论文阅读Adaptive Subspaces for Few-Shot Learning

该博客介绍了2020年CVPR会议上关于Few-Shot Learning的论文,重点讨论了Adaptive Subspaces技术。该方法通过计算类别特定的特征子空间,利用高阶信息和SVD进行查询样本的分类。文章详细阐述了计算过程,包括特征向量计算、奇异值分解、距离度量和softmax概率计算,并提到了损失函数和半监督学习的应用。
摘要由CSDN通过智能技术生成

论文 阅读:Adaptive Subspaces for Few-Shot Learning

论文
代码
这是一篇2020cvpr的一篇关于少数样本学习的论文,它主要是跟2017年的Prototypical Networks的模型相关。

introduction

这篇论文主要是使用一种动态的子空间分类器,为每个类别计算出一个特征空间的子空间,然后将查询样本的特征向量投射到子空间中,在子空间中进行距离度量,并预测类别。

Method

子空间分类器的模型主要使输入图像,然后通过嵌入模块提取图像的特征,首先是使用的高阶信息,而不是低阶信息,将模型提取的特征与每个类别的特征向量的平均值做差,然后使用奇异值分解(SVD)得到投影矩阵Pc,然后将查询图像q投影到Pc上,基于从查询到它在Pc上的最短距离进行分类。

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“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 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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