元学习
DeepWWJ
这个作者很懒,什么都没留下…
展开
-
小样本物体检测
Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector关键:提出了一个小样本数据集:数据集步骤:提取support img为一过滤特征使用support img的特征来过滤query img,最后将过滤后的特征输入RPN网络中RPN网络层的输出,会进行多头判断,使用全局信息检测,使用局部信息检测,一对多检测Attention-Based Region Proposal NetworkIncreme原创 2020-11-04 15:16:17 · 4298 阅读 · 0 评论 -
Meta Learning总结
人类在学习过程中会不断总结经验,在完成许多任务的学习后,当面对新任务时可以使用积累的经验迅速适应新的任务。对比元学习,人类学习不同任务的过程就是元学习训练的过程,而最后人类所积累到的经验就是元学习所得到的knowledge,即对于机器模型而言的经验。所以元学习的重点就是使模型学习好多好多的任务,即Task。这些Task可以是相同的任务,也可以是不同的任务,可以都是分类问题,也可以分类中参杂着回归等等。只要模型在解决这些Task时,能够学习到我们期望它所需的知识,这些Task可以是任何配置。元学习最后得到原创 2020-08-22 17:12:32 · 562 阅读 · 0 评论