ChengYue's Cat
论文的工作
- 提出了一种泛化能力的模型noise-enhanced supervised autoencoder (NSAE) 用于解决少样本学习中的跨域问题。
NSAE应用并改进了Supervised autoencoder[1], 并将其用在模型的两阶段训练当中，提高模型的泛化能力。
- motivation
our observation is that generalization capability plays a vital role for representation learning in crossdomain settings..Under this intuition, we focus on boosting the generalization capability of the transfer learning based methods.
模型
模型的主要改进地方就是在在原先的有监督自编码器上将重建后的图像也作为原始输入。
其他
作者使用了ICC度量方法去评价了提出的方法对视觉编码器带来的泛化能力提升。
- Intra-class correlation (ICC)
- ICC is defined as the ratio of inter-class variation and the intraclass variation.
- ICC的具体计算方法参考
- 作者在具体计算的时候随机选择了5个类别，一共重复了600次计算平均值。
[1] Lei Le, Andrew Patterson, and Martha White. Supervised autoencoders: Improving generalization performance with unsupervised regularizers. Advances in neural information processing systems, 31:107–117, 2018.