元学习入门（一）： Few-shot learning/ meta learning的基本概念

最新推荐文章于 2023-08-24 15:29:46 发布
最新推荐文章于 2023-08-24 15:29:46 发布
阅读量306 收藏
点赞数
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/kuvinxu/article/details/116190324
版权

Few-shot learning

用少量的样本，学会分类和回归。少量的样本称为support set（两张穿山甲，两张犰狳照片，带标签的图片，每一类数量很小，不足以训练一个神经网络）。
Few-shot learning 是一种meta learning。

meta learning

to LEARN to LEARN。
术语Query:
术语Support Set:
传统监督学习：训练集训练一个模型，然后用该模型作预测。训练中有兔子很多图片，模型可以预测兔子。
Few-shot learning: 训练集中没有兔子这个类别，模型需要看几张support set，然后学会识别兔子。
k-way n-shot: support set中的类别数量是k, 每个类别的数量是n

基本思想：学会一个similarity函数，来学会识别相似度sim(x1,x2)=。
eg:
在这里插入图片描述
标准数据集：用于性能评估和测试
【1】omniglot 手写字体数据集，1600多个类，每个类20个样本（105105小图片）
【2】mini-imagenet: 100多个类，每个类600多个样本（8484小图片

致知在格物，物格而后知至
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
简述元学习|Meta-learning：学会如何学习
Akita·Wang's Semantic Segmentation
11-30 858
Meta Learning 元学习 元学习在很多领域都有应用，本文将通俗易懂的分享Meta-learnign元学习的基本知识，主要分为两个部分： 1、什么是元学习 2、元学习和机器学习的区别 一、什么是元学习 1.简单引入 我们都知道一个好的机器学习模型通常需要搭配大量的样本去训练，当样本不足的情况下，可能最后的结果也不会尽如人意。和人类一样，一个成年人通过常年累积的学习，很容易去学习一个新事物、辨别两个不同的东西，比如会骑自行车的人大概率会在没有示范的情况下学会骑摩托车；但是小孩子..
easy-few-shot-learning:易于使用的代码和教程笔记本，助您轻松实现几幅图像分类
05-18
：一个抽象类，其方法可用于任何可元训练的算法 数据加载工具： ：易于使用的Dataset对象，用于按类别对目录进行拆分以处理图像的数据集 ：以几次快照分类任务的形式对批次进行采样 数据集以测试您的模型 CU-...
一文看懂Meta Leaaring(元学习)
xiao_yan_的博客
11-18 2442
概念 Meta Learning（元学习）或者叫做 Learning to Learn（学会学习）已经成为继 Reinforcement Learning（增强学习）之后又一个重要的研究分支（以后仅称为 Meta Learning）。对于人工智能的理论研究，呈现出了Artificial Intelligence --> Machine Learning --> Deep Learning --> Deep Reinforcement Learning --> Deep Meta Le
元学习—关系网络和匹配网络
hei653779919的博客
09-03 4587
元学习—关系网络和匹配网络 1 关系网络(Relation Network) 1.1 关系网络的基本函数 一个关系网络至少需要包含两个核心的函数，第一个核心的函数是编码函数f，该函数经支持集(Support Set)和查询数据(Query data)进行编码，用于后续的数据计算。其次，一个关系网络至少还需要包括一个关系函数g，而关系函数的作用则为根据查询数据和支持集中各个分类的相关性来决定查询点的最终分类。 下面，我们以一个one-shot的图片分类学习过程为例，即support set中各个分类的样本数量
元学习 & Meta Learning & Few-Shot Learning 一 || 基础概念
qq1803291168
04-23 1464
元学习 & Meta Learning & Few-Shot Learning 一 || 基础概念
元学习（Meta-learning）
热门推荐
weixin_42187536的博客
12-22 1万+
元学习大体分为两个阶段，训练阶段和测试阶段，训练样本中 的训练集称作支持集，训练样本中的测试集叫查询集（support set and query set）。测试任务和训练任务内容完全不同。 传统深度学习顺序：定义网络架构——初始化参数——通过自己选择的优化器更新参数——通过多次epoch更新最终得到网络输出。 元学习的目标是自动学习或者代替传统深度学习中的定义网络架构、初始化参数以及更新参数。 元学习中不同的代替方式就发明出不同的元学习算法。 元学习与机器学习的区别 机器学习和元学习的目的都是找
A New Meta-Baseline for Few-Shot Learning.docx
06-27
总之，"A New Meta-Baseline for Few-Shot Learning" 提出了一种新的元学习基线方法，该方法结合了预训练和元学习的优势，为小样本学习提供了一个有力的工具。通过对元学习过程的深入理解和分析，研究者揭示了模型在...
Few-shot-Meta-learning-papers:最近的少量元学习论文
05-13
优化作为快速学习模型（ Meta-LSTM ） 与模型无关的元学习，可快速适应深度网络（ MAML ） 半监督式的MAML学习（半MAML ） 元学习和通用性：深度表示和梯度下降可以近似任何学习算法（不确定性-MAML ） 将基于梯度...
元迁移学习的小样本学习（Meta-transfer Learning for Few-shot Learning）.zip
03-01
本文提出了一种新的学习方法——元转移学习(MTL)。具体来说，“meta”是指训练多个任务，“transfer”是通过学习每个任务的DNN权值的缩放和变换函数来实现的。此外，我们还介绍了作为一种有效的MTL学习课程的困难...
元学习(meta learning)和小样本学习(few-shot learning)
weixin_44422920的博客
04-17 6561
Meta learning few-shot learning是meta learning中的一种。可将few-shot learning看做是meta leaning即可。 Meta learning 与 传统监督学习的区别 传统监督学习： 对于一个给定训练数据集，通过训练使模型可以识别训练数据集，并将其泛化到测试数据集中。要求测试数据集中数据标签类别包含在训练数据集中。 meta learning： 目的是让模型learn to learn，使模型可以区分不同的事物。意思是让模型自己学会学习。通过一张待
meta-learning 和 few-shot learning
qq_41021141的博客
10-17 345
meta-learning few-shot learning
【中秋快乐】求问meta-learning和few-shot learning的关系是什么？
zenRRan的博客
09-13 280
点击上方，选择星标或置顶，每天给你送干货！阅读大概需要10分钟跟随小博主，每天进步一丢丢编辑：忆臻https://www.zhihu.com/question/291656490本文仅作...
机器学习-47-ML-03-Metric-based Approach & Train+Test as RNN(元学习-support set和query set用于同一网络的方法)
迷雾总会解
01-20 3316
我们有一个更疯狂的想法，能不能直接learn一个function，这个function既做了Learning，又做了Prediction。给它Training Data，它就learn好了；给它Testing Data，它就给出Testing Data的答案！
Few-shot learning（少样本学习）和 Meta-learning（元学习）
fkyyly的专栏
09-10 1871
目录 （一）Few-shot learning（少样本学习） 1. 问题定义 2. 解决方法 2.1 数据增强和正则化 2.2 Meta-learning（元学习） （二）Meta-learning（元学习） 1. 学习微调 (Learning to Fine-Tune) 2. 基于 RNN 的记忆 (RNN Memory Based) 3.度量学习 (Metric Learning) 4.方法简单比较 5.未来方向 5.1 更好的 meta-learn
论文分享——OOD-MAML: Meta-Learning for Few-Shot Out-of-Distribution Detection and Classification
最新发布
qq_45969873的博客
08-24 273
分布外样本检测和分类的MAML算法
Few-shot Learning (少样本学习) == Meta-Learning (元学习)
天狼啸月1990的博客
03-29 1079
1. 背景 Artificial Intelligence --> Machine Learning --> Deep Learning --> Deep Reinforcement Learning --> Deep Meta Learning 在Machine Learning时代，复杂一点的分类问题效果就不好了，Deep Learning深度学习的出现基本上解决了一对一映射的问题，比如说图像分类，一个输入对一个输出，因此出现了AlexNet这样的里程碑式的成果。但如果输出对
元学习（Meta learning）中的N-way K—shot问题
weixin_43733418的博客
11-22 1907
一. 元学习中的N-way K-shot问题 元学习（Meta learning）引入了一系列的概念，这其中包括N-way K-shot，Meta-training、Meta-testing、Base class和Novel class，Support set和Query set等，如图1。其中Base class是Meta Training阶段借助的源域数据；Novel class是Meta Testing阶段要学习的目标域数据，其中Base class和Novel class没有交集。具体可参见下面链接
神经网络中的元学习研究
yaoxunji的博客
06-26 2305
Meta learning（Learning to learn）在近几年的研究中受到了越来越多的关注。Meta learning的目标旨在改善学习算法本身，让模型更精通学习。从Meta learning的定义、分类、应用以及挑战四个方面来对当前meta learning环境进行介绍。
meta-baseline: exploring simple meta-learning for few-shot learning
04-11
《b'meta-baseline: exploring simple meta-learning for few-shot learning'》这篇论文提出了一种简单的元学习方法用于少样本学习，称之为meta-baseline。
评论
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