Knowledge-driven baseline for few-shot fine-grained visual recognition

doi:10.1016/j.neucom.2025.131302

Knowledge-driven baseline for few-shot fine-grained visual recognition

2025-09-05

0

PRE

AI

DOI：10.1016/j.neucom.2025.131302

原文链接

原文求助

摘要

En 中文

小样本细粒度视觉识别（FS-FGVR）是一项实用但具有挑战性的任务，旨在解决新细粒度任务中训练样本稀缺的困境。基于元学习的方法通过采用学习如何学习的策略，从已知的细粒度任务中训练一个泛化能力强的元学习者，以应对未知的细粒度任务。然而，大多数现有方法过度依赖小规模的细粒度训练任务。特别是，这些方法需要大量细粒度数据来采样这些训练任务，并且难以很好地泛化到新任务。因此，当训练参考有限时，模型容量可能会受到极大限制。本文提出了一种新颖的粗到细框架，即面向FS-FGVR的知识驱动基线，通过从大规模和粗粒度数据集中迁移知识。该框架将元训练阶段划分为粗粒度元预训练和细粒度元微调阶段。首先，引入现成的粗粒度数据来构建初始化关联作为先验知识。然后，我们使用先验知识推断细粒度表示的表征交互和关联。广泛的实验表明，我们的方法在公开的小样本细粒度基准上优于当前方法。我们还进行了广泛的研究，以扩展我们方法在小样本纹理视觉识别场景中的应用。

Knowledge-driven baseline for few-shot fine-grained visual recognition

摘要

期刊

机构

引用论文