【產(chǎn)通社，7月30日訊】西安電子科技大學(xué)（Xidian University）官網(wǎng)消息，由西安電子科技大學(xué)杭州研究院2022級研究生柴瀟強(qiáng)和計算機(jī)科學(xué)與技術(shù)學(xué)院2021級研究生馮婧怡共同完成的題為“Prototypes-oriented Transductive Few-shot Learning with Conditional Transport”的研究論文，近日在2023國際計算機(jī)視覺領(lǐng)域CCF-A類會議ICCV發(fā)表，指導(dǎo)老師為田隆教授和陳文超教授。

此項研究成果提出了非均衡非直推式小樣本學(xué)習(xí)的性能瓶頸受限于類別非均衡下先驗分布設(shè)定的準(zhǔn)確性，發(fā)現(xiàn)提高先驗分布設(shè)定的準(zhǔn)確性和條件傳輸理論之間具有的天然一致性關(guān)系，利用該關(guān)系結(jié)合最大后驗估計方法最終推導(dǎo)出一個簡單優(yōu)雅的小樣本學(xué)習(xí)算法，并在公開的基準(zhǔn)測試集上取得一致的性能提升。

小樣本學(xué)習(xí)領(lǐng)域在近幾年出現(xiàn)了許多優(yōu)秀的新工作，然而大多數(shù)方法假設(shè)了樣本類別均衡，此項研究成果提出的樣本類別非均衡情況下的小樣本學(xué)習(xí)算法更加契合現(xiàn)實世界的真實場景，并在樣本類別均衡與非均衡情況下均取得了一致性的性能提升，該成果有望應(yīng)用于醫(yī)學(xué)圖像分類、SAR圖像目標(biāo)識別等各種數(shù)據(jù)標(biāo)注昂貴的分類任務(wù)。

國際計算機(jī)視覺大會（ICCV， International Conference on Computer Vision）由IEEE主辦，與CVPR、ECCV被稱為計算機(jī)視覺領(lǐng)域的三大頂級會議，該會議每兩年舉辦一屆，其評選出的最佳論文被看作是計算機(jī)視覺研究方面的最高榮譽(yù)之一。查詢進(jìn)一步信息，請訪問官方網(wǎng)站http://news.xidian.edu.cn/yw.htm。（張嘉汐，產(chǎn)通發(fā)布）    （完）