《Few-Shot Learning by Integrating Spatial and Frequency Representation》代码

最新推荐文章于 2023-06-21 17:46:11 发布
最新推荐文章于 2023-06-21 17:46:11 发布
阅读量2k 收藏 8
点赞数 2
分类专栏： # 论文 # 小样本 文章标签： python
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/qq_37252519/article/details/123582208
版权

论文：原来提取特征都是在空域上用CNN提取特征，本文模型额外使用了离散余弦变换提取频域信息再放入另一个CNN提取特征，两部分的特征放一起 送入分类器
论文源码:https://github.com/xiangyu8/PT-MAP-sf

文章目录

数据

数据集准备

已CUB数据集为例，如果原来机器上有这个数据集就可以直接在项目根目录下新建Dataset/CUB文件夹，然后将数据集复制过来。如果没有可以运行filelists/CUB/dowmload_CUB.sh进行下载。此时的数据集为：
在这里插入图片描述

c生成json文件
根据README.md里的要求，运行filelists/CUB/make_json.py生成train.json, val.json and novel.json

filelists/CUB/make_json.py代码中需要将第11行注释之后再运行，可以得到train.json, val.json and novel.json
在这里插入图片描述

运行train_dct.py

修改参数

根据README.md里的要求，运行train_dct.py需要传参数

python train_dct.py --dataset [DATASETNAME] --method [METHODNAME] --model WideResNet28_10 --train_aug --dct_status

train_dct.py的main调用了parse_args函数，记得加上filter_size
在这里插入图片描述

根据提示，我们设置成在这里插入图片描述

日志准备

Line584到Line609都是一些日志的准备工作

数据加载

Line612到Line628准备好了经过tramsform变幻的base_loader base_loader_test val_loader； val_loader是5way1shot的设置
在这里插入图片描述

训练开始

Line 663调用train_base函数开始训练模型

前向传播

Line69开始前向传播
input_dct_var.shape[13,24,56,56]
在这里插入图片描述

加载val_loader

刚才说val_loader是5way1shot的，EpisodicBatchSampler会j将n_classes个类打乱，选取前n_way个
在这里插入图片描述

F_aF_a
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
专栏目录
FewShot Learning 原理与代码实例讲解
AI架构设计之禅
06-18 1017
1. 背景介绍 在当今的人工智能领域，Few-Shot Learning（少样本学习）作为一种新兴的技术，正逐渐受到广泛的关注。Few-Shot Learning 的目标是在只有少量样本的情况下，学习到新的概念和模式，并能够进行准确的预测和分类。这对于许多实际应用场景来说，具有重要的意义，例如图像识别、语音识别、自然语言处理等。本文将深入探讨 Few
小样本学习 (FewShot Learning) 原理与代码实例讲解
最新发布
禅与计算机程序设计艺术
07-26 348
小样本学习 (Few-Shot Learning) 原理与代码实例讲解 关键词： 小样本学习 几次学习 弱监督学习 迁移学习 基于原型的学习 适应性学习
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
简单易学 易于使用的代码和教程笔记本，助您轻松完成几幅图像分类。 如果满足以下条件，则为您创建此存储库： 您是初学者学习的新手，想学习； 或者您正在寻找可用于项目的可靠，清晰且易于使用的代码。 不要在拥有数百种方法的大型存储库中迷路，也不必对如何使用它们进行任何解释。 在这里，我们希望每行代码都包含在一个教程中。 里面有什么？ 笔记本：学习和练习 您想学习一次性学习，不知道从哪里开始？ 从我们的教程开始。 您可以使用和理解的代码 楷模： ：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-Birds ：我们提供了一个脚本来下载和提取数据集，以及沿着类的元训练/元数据/元测试分割。 该数据集可与EasySet一起使用。
《Few-Shot Learning with Graph Neural Networks》代码理解
F_aF_a的博客
08-12 1604
代码使用omniglotomniglotomniglot数据集，以5way−1shot5way-1shot5way−1shot为例，一个episodeepisodeepisode只有一张queryqueryquery，一个batchbatchbatch中有300300300个episodeepisodeepisode 文章目录数据训练metric_nnWcomputeGconvgmul流程图 在main.py中的第144行开始训练的迭代 数据 首先加载数据 # main.py line149 data =
fewshot代码实现
fangting的博客
05-29 887
#参考阿里fewshot论文，用于金融场景对话意图判别 https://github.com/zixufang/few_shot
Few-shot Learning
weixin_44228512的博客
02-25 631
Few-shot Learning 一. 1. 与传统的监督学习不同，few-shot leaning的目标是让机器学会学习；使用一个大型的数据集训练模型，训练完成后，给出两张图片，让模型分辨这两张图片是否属于同一种事物。比如训练数据集中有老虎、大象、汽车、鹦鹉等图片样本，训练完毕后给模型输入两张兔子的图片让模型判断是否是同一种事物，或者给模型兔子和狗的图片去判断 2. 训练的目的是靠着Support Set提供的一点信息，让模型判断出Query中的图片是otter这个类别，尽管训练数据集中没有otter
Unsupervised hyperspectral image classification algorithm by integrating spatial-spectral information
02-09
An integrated spatial-spectral information algorithm for hyper spectral image classification is proposed, which uses spatial pixel association (SPA)by exploiting spectral information divergence (SID),...
Integrating N-gram model and case-based learning for Chinese word segmentation
06-23
### 整合N-gram模型与基于案例的学习用于中文分词 #### 摘要与研究背景 本文介绍了一项最新工作，旨在参加第一届国际中文分词烘焙赛（ICWSB-1）。该研究结合了一个通用的N-gram模型进行分词以及一个基于案例的学习...
英文原版-Hybrid Animation Integrating 2D and 3D Assets 2nd Edition
09-23
Expand your imagination by letting go of the limitations of traditional animation mediums, software packages, or workflows and integrating 2D and 3D assets. With the updated and expanded second ...
Cisco Press - Integrating Voice and Data Networks
11-07
《Integrating Voice and Data Networks》是由Cisco Press出版的一本经典教材，主要面向网络管理人员、开发人员以及希望使用Cisco公司的语音和数据集成产品的CCIE（Cisco Certified Internetwork Expert，思科认证...
Short Text Hashing Improved by Integrating Multi-Granularity Topics and Tags
02-11
本文标题“Short Text Hashing Improved by Integrating Multi-Granularity Topics and Tags”直译为“通过整合多粒度主题和标签改进短文本哈希”。此标题旨在介绍一种新的方法，即如何通过结合不同层次的主题信息...
Few-Shot-Protypical-Anomaly-Detection
04-02
少数镜头典型异常检测
基于PaddlePaddle复现Few-shot learning
m0_63642362的博客
11-29 358
本项目在参与【飞桨启航菁英计划】过程中完成，由百度官方提供算力支持，基于PaddlePaddle复现论文《Matching Networks for One Shot Learning》
few-shot-gnn代码阅读
nini_k的博客
07-06 535
训练 分为两个网络： Embedding层和GNN度量层 EmbeddingOmniglot omniglot EmbeddingOmniglot( (conv1): Conv2d(1, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False) (bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True) (c
【代码调试】《FSCE: Few-Shot Object Detection via Contrastive Proposal Encoding》
薛铁钢的博客
12-29 2928
【代码调试】《FSCE: Few-Shot Object Detection via Contrastive Proposal Encoding》 Python ：3.8(ubuntu18.04) Pytorch ：1.6.0 Cuda ：10.1 GPU：RTX 2080 Ti(11GB) * 2
【代码实践】DeepBDC for few-shot learning代码运行
Slow down, Keep learning and Enjoy life
03-07 784
DeepBDC for few-shot learning代码运行
《Few-Shot Classification with Feature Map Reconstruction Networks》论文笔记&代码
F_aF_a的博客
11-19 3316
文章目录流程代码 流程 在Nway−KshotN way - K shotNway−Kshot的episodeepisodeepisode下(图中N=K=3，有3个类，每类有3张图片)，XsX_sXs​表示支持图片的集合.当有单张查询图片xqx_qxq​的时候，我们希望能预测它的标签yqy_qyq​. 灰色的梯形代表卷积特征提取器，xqx_qxq​经过它产生的一个大小为r×dr×dr×d大小的特征图输出(记作QQQ)，其中r=h×wr = h×wr=h×w代表空间大小，ddd是通道数. 对于CCC个类别，
few-shot learning
hellozhxy的博客
06-21 276
Few-shot Learning 是 Meta Learning 在监督学习领域的应用。Meta Learning，又称为learning to learn，该算法旨在让模型学会“学习”，能够处理类型相似的任务，而不是只会单一的分类任务。举例来说，对于一个LOL玩家，他可以很快适应王者荣耀的操作，并在熟悉后打出不错的战绩。人类利用已经学会的东西，可以更快的掌握一些新事物，而传统的机器学习方法在这方面的能力还有所欠缺，因此提出了元学习这个概念。
Semantic Scene Completion via Integrating Instances and Scene in-the-Loop
03-22
这是一个计算机视觉领域的研究课题，旨在通过将场景中的实例与场景整合在循环中，实现语义场景的完整性。具体实现方法包括使用深度学习模型对场景进行分割和实例分割，以及使用循环神经网络对场景进行预测和修正。这个课题的研究对于实现更加智能化的计算机视觉应用具有重要意义。
评论 10
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