论文研读
文章平均质量分 94
论文研读
joejoeqian
我感兴趣的方向:多模态大模型,小样本学习等。
展开
-
元学习2之原型网络prototypical-networks for few-shot learning回顾
小样本学习不仅仅训练和测试集的样本没有交集,类别也是没有交集的论文一共做了两个任务:1.小样本;2. 零样本。如图左边:三种颜色代表三个类别(3-way),c1c2c3c1c2c3分别是三个类别的中心,用类中心表示类别的好处就是某个类别中某些数据存在一些噪声,用类中心来表示这个特征,比较robust,类中心对抗噪声的能力比单个样本生存的这个特征要强很多。类中心(prototypesvc1∣Sc∣∑xiyi∈Scfθxi。原创 2023-04-17 10:16:28 · 570 阅读 · 0 评论 -
VAE解读
VAE原创 2022-12-02 22:20:39 · 841 阅读 · 1 评论 -
UNet网络解读
UNet是一个对称的网络结构,左侧为下采样,右侧为上采样;下采样为encoder,上采样为decoder;四条灰色的平行线,就是在上采样的过程中,融合下采样过程的特征图的通道,Concat原理就是:一本大小为10cm10cm的书,厚度为3cm的书本(10103)的A书,和一本大小为10cm10cm,厚度为4cm的B书(10103)将A书和B书,边缘对齐的摞在一起,这样就可以得到一个大小10107的一摞书了所以对feature map,一个大小为256*256*64。原创 2022-11-22 21:12:21 · 1669 阅读 · 0 评论 -
Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks(MAML)研读笔记
元学习,MAML,小样本学习,few-shot原创 2022-11-09 12:17:17 · 523 阅读 · 0 评论