qq_35300611的博客

先贴个 正常resnet的结构由于resnet的表现太过出色，目前fsl中提取特征的部分也使用了resnet，比较常用的resnet 有 12 18 25 这几个结构，使用这些的模型有 MetaOptNet SimpleShot MTL 等模型。 不过要注意的是，正常resnet的结构第一层卷积是 kernel size=7的大卷积， 然后才是block 结构。然而在FSL中，第一层的conv 普遍都从77 变成了 33， 甚至去掉了第一层卷积。原因是，fsl处理的数据集图片普遍较小，比如 mini

不同场景下的fine-tune技巧新数据集较小 且和原数据集相似因为新数据集比较小（比如<5000），如果fine-tune可能会过拟合；又因为新旧数据集类似，我们期望他们高层特征类似，可以使用预训练网络当做特征提取器，用提取的特征训练线性分类器。 只训练分类器即可2. 新数据集大且和原相似大于10000，可以fine-tune整个网络3. 新数据集小且和原数据集不相似最好不要fine-tune，和原数据集不类似，最好也不使用高层特征。这时可是使用前面层的特征来训练SVM分类器。4.