车辆重识别部分的实验目前已经基本接近尾声,在吴潇学姐的指导下,相对于对比的模型,mAp和CMC两个指标都有了一定的提升,但是回到小样本学习的问题上来,我又产生了不少的疑惑,将目前的进展记录于此,希望能到得到学姐和老师的指导。
小样本学习的定义
之前按照我自己的理解,一直是以为训练的样本足够少才算是小样本学习,但是我一直不太清楚,小样本学习的小是如何定义的,有的文献中的小样本,是每个类别有10个样本,而有的文献中用到的是5个或者1个样本。首先从定义来看是这样来定义小样本学习这个问题的,只有少量的有标签的数据集S(也称为支持集)的小样本学习可以概括为N-way,K-shot问题,s包括N种样本,K表示每个类种的样本数,以N-way、one-shot为例,在支持集S中,每个样本都有不同的标签,少样本学习的任务是给定的测试样本
进行分类,即能正确预测
属于哪个标签(