[Paper Review] Variational Feature Disentangling for Fine-Grained Few-Shot Classification

Abstract데이터 증강은 few-shot 분류의 문제를 해결하는 직관적인 단계이지만, 증강된 샘플에서 변별력과 다양성을 모두 보장하는 것은 어려운 일이다. -> 이 문제를 해결하기 위해 무작위로 샘플링된 클래스 내 변형으로 feature를 증강하는 동시에, 클래스 discriminative feature를 보존할 수 있는 feature disentanglement(분리) framework를 제안한다.  -> 구체적으로, feature representation을 두가지 구성요소 (하나는 클래스 내 분산을 represent하고, 다른 하나는 클래스 구분 정보를 인코딩하는 것) 으로 분리한다. -> 포즈, 배경, 조명 조건의 변화로 인해 유발되는 클래스 내 변이은 모든 클래스들에서 공유되며, 공통 분포를..

• format_list_bulleted Deep Learning & AI/CV
• · 2024. 8. 5.
• textsms

[Paper Review] Hyper-class Augmented and Regularized Deep Learning for Fine-grained Image Classification

논문 링크:https://ieeexplore.ieee.org/document/7298880 Hyper-class augmented and regularized deep learning for fine-grained image classificationDeep convolutional neural networks (CNN) have seen tremendous success in large-scale generic object recognition. In comparison with generic object recognition, fine-grained image classification (FGIC) is much more challenging because (i) fine-grained labelie..

• format_list_bulleted Deep Learning & AI/CV
• · 2024. 7. 15.
• textsms