报告题目：基于任务显著性的小样本图像分类

报告人：罗磊 副教授（国防科技大学）

报告时间：2022年6月1日（周三）上午10:30-11:20

报告地点：腾讯会议ID：672-416-559

摘要：图像分类的应用场景非常广泛，现有深度学习一般需要较多的样本进行训练或fine-tune，然而很多场景下难以收集到足够多的数据。怎样利用大量预训练数据的积累，使得算法仅依靠少量样本实现目标场景的图像分类，是个很实际的问题。在类似情况下，人类可以通过少数示例图片快速理解“任务目标”是什么。受此启发，我们提出一种基于任务显著性的小样本图像分类方法。通过预训练阶段的自训练过程，赋予网络识别任务相关显著性区域的能力。在测试阶段通过support set获得任务相关的显著图，对图像特征加权后再进行匹配，在当前主流小样本数据集上均取得state-of-the-art的性能。