【ICML2021】基于早期特征重建的无监督嵌入自适应少样本分类

我们提出了无监督嵌入适应下游的少样本分类任务。基于深度神经网络在记忆之前学习泛化的研究结果，我们开发了早期特征重建(early stage Feature Reconstruction, ESFR)——一种新的自适应方案，通过特征重建和维度驱动的早期停止来发现可泛化的特征。在所有标准设置下，包括最近提出的传导方法在内，纳入ESFR可持续改善基准方法的性能。ESFR与转导方法结合使用，在mini-ImageNet、分层imagenet和CUB上进一步实现了最先进的性能;特别是在单样本设置中，与以前的最佳表现方法相比，准确率提高了1.2% ~ 2.0%。

https://arxiv.org/abs/2106.11486