![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Few-shot Learning
文章平均质量分 94
oyou-2021
这个作者很懒,什么都没留下…
展开
-
Beyond Max-Margin: Class Margin Equilibrium for Few-shot Object Detection论文阅读
新的类别分类和表示之间的隐含矛盾被忽略了,这个矛盾是——为了将类彼此分开,两个基类中的任何一个基类都需要彼此相距较远(max-margin)),这聚合了新类的类内距离。为了准确地表示新类,基类的分布应该接近新类的分布(min-margin),这提高了分类的难度。如下图即如何在分类和表示中取得平衡,是一个问题。 因此作者提出CME,优化特征空间划分和novel类表示。对于训练和微调阶段所用的数据集dataset D都被分为支持集和询问集,具体如下图:该个网络结构由两个分支组成,即支持集分支和询问集分支。支持集原创 2022-07-06 22:26:16 · 1039 阅读 · 0 评论 -
Few-Shot Learning
给你一张图片如下,左边是犰狳,右边是穿山甲,然后给你一张Query让判断是犰狳还是穿山甲。大多数人分辨不出,但是如果你给人看图片,则正常人都能正确分类,那么计算机可以像人一样作出正确分类吗?如果每一类只有一两张个样本,那么计算机可以像人一样作出正确分类吗?对于下图的例子,有两类,每一类有两个样本,仅有四张照片,不可能训练一个深度神经网络。因此,对于小样本问题,不能用传统方法分类。注:Support set很小 小样本学习和传统监督学习不同,它的目标不是让你识别训练集中的目标,并泛化到测试集中。它的目标是自己原创 2022-06-27 21:55:13 · 238 阅读 · 0 评论