《表9 不同模型在少样本数据集Omniglot和Mini-Imagenet的结果》
(单位:%)
Garcia等人[74]定义一个全连接的图,其中节点是图片,连边是图片和图片之间的相似度,他们使用图神经网络对节点进行编码,使用神经消息传播模型能够更好地利用图片之间的关联结构信息,其在少样本、半监督和主动学习等任务上取得了较好的实验结果,其结果见表9.Marino等人[75]将知识图谱引入到图片分类任务中,其使用图卷积神经网络更好地利用在知识图谱中的先验知识.在COCO数据集的多标签分类任务上取得了提升.Lee等人[76]同样将知识图谱引入到零样本学习任务中,在多标签分类任务中取得了提升.Kampffmeyer等人[78]在使用知识图谱时,定义先祖和后继传播两种方式,能够更好地利用图谱中的语义信息.
图表编号 | XD00163165900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 徐冰冰、岑科廷、黄俊杰、沈华伟、程学旗 |
绘制单位 | 中国科学院网络数据科学与技术重点实验室、中国科学院计算技术研究所、中国科学院大学、中国科学院网络数据科学与技术重点实验室、中国科学院计算技术研究所、中国科学院大学、中国科学院网络数据科学与技术重点实验室、中国科学院计算技术研究所、中国科学院大学、中国科学院网络数据科学与技术重点实验室、中国科学院计算技术研究所、中国科学院网络数据科学与技术重点实验室、中国科学院计算技术研究所 |
更多格式 | 高清、无水印(增值服务) |