极简笔记 Meta-Learning for semi-supervised few-shot classification

最新推荐文章于 2024-05-04 13:01:48 发布
最新推荐文章于 2024-05-04 13:01:48 发布
阅读量7.1k 收藏 18
点赞数 4
分类专栏： 极简笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hibercraft/article/details/79585823
版权

极简笔记 Meta-Learning for semi-supervised few-shot classification

论文地址 https://arxiv.org/pdf/1803.00676.pdf

本篇文章核心是给出了一种用于少样本半监督学习的分类算法。总体思路非常简单，通过一个网络 (Prototypical Network)提取特征，之后对特征进行聚类，聚类中心稳定之后拿去测试，测试时把测试样本按照更新了的聚类中心归过去，就完事了。

训练集中样本又分为两个集合 (S,R) ( S , R ) ，分别表示有类别标注数据和无标注数据。网络映射记作 h(x) h ( x ) , 有标注样本 xi x i , 无标注样本 x˜i x ~ i , 类别中心记作 pc p c , 更新过程中记作 p˜c p ~ c ，更新过程是典型的EM算法，和K-Means非常像，即把没标注的数据先归到最近类，更新聚类中心，再重新把没标注数据归类，迭代直到不变。
聚类过程
如果直接用K-Means聚类那这篇文章就不用发ICLR了。文章用了三种聚类算法：

soft K-Means

聚类中心更新公式

p˜c=∑ih(xi)zi,c+∑jh(x˜j)z˜j,c∑izi,c+∑jz˜j,cmj,c,where z˜j,c=exp(−||h(x˜j−p
最低0.47元/天 解锁文章
Hibercraft
关注
  • 4
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
【论文总结】Meta-Learning for semi-supervised few-shot classification(附翻译)
小张好难瘦的博客
11-24 3151
Meta-Learning for semi-supervised few-shot classification 半监督小样本分类的元学习 Abstract In few-shot classification, we are interested in learning algorithms that train a classifier from only a handful of labeled examples. Recent progress in few-shot classificat.
如何通过Meta Learning实现域泛化（Domain Generalization）？
Paper weekly
04-06 2418
©作者 |丘明姗单位 |华南理工大学研究方向 |领域泛化域泛化（Domain Generalization）中有很多工作是用 meta learning 做的。Meta learning 在 few shot 中很常用，它的目的也是提升模型的泛化性，所以我们来看看 DG 中采用 meta learning 的工作。Revisit Meta LearningMeta ...
匹配网络（Matching Networks）和原型网络（Prototypical Networks）：区别详解
最新发布
qlkaicx的博客
05-04 802
在机器学习领域，特别是在处理少样本学习（Few-shot Learning）问题时，匹配网络（Matching Networks）和原型网络（Prototypical Networks）都是非常流行的元学习模型。尽管这两种方法在目标上都是为了通过少量样本实现快速学习，但它们在方法论和实现上有显著的区别。理解这两种网络的主要区别有助于在实际应用中做出更合适的选择，以达到最佳的学习效果。匹配网络是一种基于注意力机制来实现的元学习模型，它通过直接比较支持集中的样本和待分类的目标样本来进行分类。
Meta-Learning for Semi-Supervised Few-Shot Classification. （用于半监督少样本分类的元学习）
CaoChengtai的博客
08-01 4196
目录1. 摘要2. 介绍2. 背景2.1 少样本学习：2.2 原型网络3 半监督少样本学习3.1 半监督原型网络：3.1.1 soft k-means 原型网络：3.1.2 soft k-means 和干扰项簇的原型网络：3.1.3 soft k-means 和 masking 的原型网络：4. 其他5. 论文链接 1. 摘要 在少样本分类中，我们关注于学习一个可以用很少的标记数据训练一个分类器的...
Prototypical Networks for Few-shot Learning
kuxingseng123的博客
12-05 769
慢慢的将各种广义零样本方法都研究透彻。 会自己研究广义零样本的方法都行啦的样子。
Self-labeled-techniques-for-semi-supervised-learning
05-15
标签中提到的"self-labeled"指的是自标记的过程，"semi-supervised-learning"表示半监督学习的场景，"tri-training"则是三重训练算法，"self-training"则对应自我训练方法。 项目报告可能涵盖了以下内容： 1. **...
论文研究-Pointwise Manifold Regularization for semi-supervised classification.pdf
08-16
点状半监督流形正则化分类学习，汪云云，沈雅婷，流形正则化(MR)是经典半监督分类学习方法，同时利用有标记和无标记样本进行学习。依据流形假设，约束流形结构图上相似样本具有相��
Safety-Aware Semi-Supervised Classification
02-09
Though semi-supervised classification learning has attracted great attention over past decades, semi-supervised classification methods may show worse performance than their supervised counterparts ...
Semi Supervised Learning for Few Shot Image to Image Translation
07-18
To do so, we propose applying semi-supervised learning via a noise-tolerant pseudo-labeling procedure. We also apply a cycle consistency constraint to further exploit the information from unlabeled ...
Nonnegative Sparse and KNN graph for semi-supervised learning
02-06
For the graph-based semi-supervised learning, the performance of a classifier is very sensitive to the structure of the graph. So constructing a good graph to represent data, a proper structure for ...
Prototypical Networks for Few-shot Learning.（用于少样本分类的原型网络）
CaoChengtai的博客
06-18 6823
** Prototypical Networks for Few-shot Learning.（用于少样本分类的原型网络） ** 摘要 文章提出了一种用于少样本分类的原型网络，其中分类器必须可以推广（泛化）到在训练集里面没有见过的新的类别，并且每个新的类别只有很少一部分样本。原型网络学习一个度量空间，执行分类只需要简单的计算到每个类的原型表示的距离。与其他方法的主要一点不同是原型网络反映了一种在数...
Prototypical networks for few-shot learning
chumingqian的博客
12-12 185
这篇论文是介绍《作者公布了他的Pytorh。如果看不太懂原作者的代码话可以看一下这一个：https://github.com/orobix/Prototypical-Networks-for-Few-shot-Learning-PyTorch。
Prototypical networks for few-shot learning.
Pr4da的博客
06-05 913
这篇论文是介绍《作者公布了他的Pytorh。如果看不太懂原作者的代码话可以看一下这一个：https://github.com/orobix/Prototypical-Networks-for-Few-shot-Learning-PyTorch。
ICLR18 - Meta-learning for semi-supervised few-shot classification
ywm_up
12-24 408
Ren MY, Triantafillou E, Ravi S, et al. Meta-learning for semi-supervised few-shot classification. ICLR 2018. 本文提出了三种原型网络的变体，表现超过了原来的原型网络。 变体1： Prototypical networks with soft k-means 我们不仅有 support set、query set，而且还有一个 unlabeled set。先用 support set 初始化每个类的
【论文阅读】Prototypical Networks for Few-shot Learning
goodenough5的博客
09-27 1415
本文结合论文和youtube上的视频来整理一下对prototypical networks在few-shot领域的理解。问题：少镜头分类问题（在只给定少量实例的情况下，分类器必须推广到未看到的新类）。提出的解决方案：Prototypical Networks学习一个度量空间，在该空间中，可以通过计算得到每个类的原型表示的距离来执行分类。优点：与最近少镜头学习方法相比，它们反映了一种更简单的归纳偏差，这种偏差在优先数据的状态下是有益的，取得了出色的结果。分析。
guided collaborative training for pixel-wise semi-supervised learning
04-11
Q: "像素级半监督学习的指导协作训练"。 此短语是一个研究领域的名称，涉及到利用部分有标签的数据和未标注的数据来训练计算机视觉算法，以便在像素级别上更精确地识别图像中的对象或场景。指导协作训练是一种方法...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值