ProtoSeam: Lifting Classifier Training with Latent Gaussian Mixture Models

我们提出了一种升维的监督分类方法，该方法在不改变推理架构的情况下提高了标准分类器的最终准确率。网络N=N₂∘N₁在单一语义接口处被分割，每个类别插入一个可学习的原型。训练结合了二次共识惩罚项，该项将N₁(x)拉向其类别的原型，同时使用在原型周围抽取的样本对N₂进行分类损失评估，且无梯度在接口处交叉。