前言
发表信息:2019CVPR
文章链接:https://arxiv.org/abs/1903.12290
代码链接:https://github.com/WenbinLee/DN4
鉴于已有相关博文对这篇文章进行分析:https://blog.csdn.net/qq_36104364/article/details/106479996
我补充一些自己的阅读感受。
一、核心思想
作者开门见山指出自己收到NBNN(Naive Bayes Nearest Neighbors)的启发,通过将传统metric-based 方法中Image2Image的度量表示修改成Image2Class的度量表示,有效减少了在小样本场景下由于样本量不足带来的噪声( intra-class variation or background clutter)导致得到的度量不够准确。
Deep Local Feature: 给定