互联网最新资讯IBM在社会领域推动多标签小样本图像分类技术新进展CVPR 2019
在社会领域，IBM的研究人员致力于推动多标签小样本图像分类技术的新进展。他们在2019年的CVPR大会上分享了相关论文，并将成果发表在IBM官网博客上。雷锋网AI科技评论编译如下内容。
当我们将人工智能和机器学习应用到企业和工业界更广泛的任务集时，从更少数据集中学习更多是必要的。数据增强是一种重要工具，尤其是在没有足够训练数据的情况下，它通过自动合成新的训练样本来改进学习。这就是小样本学习的一个例子，其中每个类别只有一个或很少的样本可用。大多数关于图像小样本分类研究都是基于单标签场景，但现实中的场景往往是多标签、小样本，这是一个具有挑战性和现实意义的问题。
为了解决这个问题，IBM提出了LaSO网络，这是一种训练深度神经网络的新方法。在LaSO网络中，将图像样本对与一定标签集相结合，合成具有“合并”标签的新样本。例如，可以从两幅包含不同动物的人物图片中生成新的训练示例，而这些示例可以通过执行联合、交叉和减法操作而产生。
LaSO网络直接在深度神经网络学习特征空间进行操作，因此不需要额外输入来控制操作。在训练过程中，它们可以潜在地泛化到包含尚未见过类别的情形。此外，在一个新的多标签小样本分类基准上的测试结果显示，将LaSO用于数据增强具有很强潜力。
总之，多标签小样本分类是一个全新的、具挑战性和实用性的研究工作。IBM提出的第一个基准为这个领域提供了评估标准，并展示了LaSO有着良好的应用前景。本次工作旨在激励更多研究人员探索这一有趣问题。
