【论文笔记 FSL 1】Adaptive Subspaces for Few-Shot Learning（CVPR2020）

最新推荐文章于 2024-06-04 15:28:58 发布
最新推荐文章于 2024-06-04 15:28:58 发布
阅读量499 收藏 4
点赞数 2
分类专栏： Few Shot Learning 文章标签： 机器学习 深度学习
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_39685733/article/details/108312360
版权

【论文笔记 FSL 1】Adaptive Subspaces for Few-Shot Learning（CVPR2020）

下载地址 | 论文源码

Abstract

特别是在样本非常少的情况下，目标识别需要避免过度拟合的能力。通常使用元学习框架从有限的样本进行归纳。设备迅速适应动态环境的学习能力，被认为是终身学习的必要方面。这篇文章中，作者通过引入基于少量样本的动态分类器，提出了一种小样本学习框架。利用子空间方法作为分类器的中心块，通过实验证明，这样建模可以增强扰动的鲁棒性，并在监督和半监督少镜头分类任务上得到较好的结果。

Contributions

  • 在生成动态分类器的框架内制定了少镜头学习解决方案。
  • 依赖于二阶方法能更好地概括分类任务这一个明确的概念，利用子空间对现有的动态分类器进行了扩展。
  • 引入了一个判别公式，在训练中鼓励子空间之间的最大判别，进一步提高了性能。
  • 提出的方法可以利用未标记数据，有助于解决半监督的少镜头学习和转导设置的问题。

Method

本文提出了一种基于度量学习的小样本图像分类算法,每个类别分别计算出特征子空间，通过未知样本特征到每个子空间的投影距离预测标签。

1 Various classifiers for few-shot classification

在这里插入图片描述
a) 成对分类器：直接计算查询样本的特征向量与支持样本特征向量之间的相似性判断类别，如匹配网络。
b) 原型分类器：将每类支持样本特征向量的平均值作为该类的原型，根据查询样本特征向量与原型的距离判断类别，如原型网络。
c) 非线性二元分类器：利用了决策边界的非线性，通过训练得到度量函数的参数，如关系网络。
d) 子空间分类器：每个类别分别计算出特征子空间，通过未知样本特征到每个子空间的投影距离预测标签。

2 Subspaces for few-shot classification

在这里插入图片描述

2.1 子空间分类器

Mj=PcPcT , µc为点与子空间之间的偏移量,子空间分类器定义为:
在这里插入图片描述
使用softmax函数计算各类别概率
在这里插入图片描述

2.2 判别深度子空间网络

投影矩阵定义为：
在这里插入图片描述

损失函数：最小化分类损失、最大化子空间间的距离。
在这里插入图片描述
算法流程：
在这里插入图片描述

Experiments

Result

在这里插入图片描述

Rhythm07
关注
专栏目录
论文阅读Adaptive Subspaces for Few-Shot Learning
feifeiyaa的博客
07-20 1564
论文 阅读：Adaptive Subspaces for Few-Shot Learning 论文链接 这是一篇2020cvpr的一篇关于少数样本学习的论文，它主要是跟2017年的Prototypical Networks的结构相关。 introduction 这篇论文主要是使用一种动态的子空间分类器，为每个类别计算出一个特征空间的子空间，然后将查询样本的特征向量投射到子空间中，在子空间中进行距离度量，并预测类别。 Method 子空间分类器的模型主要使输入图像，然后通过嵌入模块提取图像的特征，首先是使用的
【论文笔记】PARN: Position-Aware Relation Networks for Few-Shot Learning
Neal_YG的博客
03-07 1561
【title】PARN: Position-Aware Relation Networks for Few-Shot Learning 【link】https://arxiv.org/pdf/1909.04332.pdf 【key words】Few-shot Learning Problem 对于人类来说，可以通过已经掌握的知识，快速学会判别新东西。然而现在的深度学习算法往往时数据驱...
mfc110.dll丢失，解决方法
Mr_Moka的博客
04-20 2163
mfc110.dll下载_附文件使用方法 mfc110.dll是存放在windows系统中的一个重要dll文件，缺少它可能会造成部分软件或游戏无法正常运行。当系统提示“没有找到mfc110.dll”或“丢失mfc110.dll”等类似错误信息，请下载本站提供的dll文件，使用它可以帮助用户解决上述问题。dll文件修复方法： 下载地址http://share.weiyun.com/a...
mfc110u.dll丢失的解决方法,分享七个有效方法
最新发布
sheng12345678rui的博客
06-04 1314
安装问题，包括不完整的安装、错误的卸载操作或安装程序本身的缺陷，也可能导致mfc110u.dll文件的丢失。例如，如果一个新安装的程序与系统中已有的应用程序共享mfc110u.dll文件，且新程序使用的是旧版本或不兼容版本，就可能引发冲突。错误对话框：显示类似“mfc110u.dll not found”、“mfc110u.dll missing”或“无法启动此程序，因为计算机中丢失mfc110u.dll。注册表引用错误：注册表中对mfc110u.dll的引用存在问题，导致依赖该dll的应用无法定位文件。
找不到mfc110u.dll怎么办，总结5种有效的解决方法
2301_77698200的博客
04-14 2127
mfc110u.dll是Microsoft Visual C++ 2012 Redistributable Package中的一个动态链接库文件，它是MFC（Microsoft Foundation Classes）库的一个版本，用于支持基于MFC开发的应用程序运行。在安装过程中，系统会自动补充缺失的mfc110u.dll文件。1.确保源计算机的操作系统版本与目标计算机一致，因为不同版本的Windows可能会有不同的DLL文件版本，不同版本的mfc110u.dll可能不兼容。
Windows缺少mfc110.dll的解决方法
hpf247的博客
09-18 5912
mfc110.dll是存放在windows系统中的一个重要dll文件，缺少它可能会造成部分软件或游戏无法正常运行。当系统提示“没有找到mfc110.dll” 或 “丢失mfc110.dll”等类似错误信息时， 通过以下办法解决： 1、 到 此microsoft下载地址 或者 下载 ； 2、 双击vcredist_x64.exe 以及 vcredist_x86.exe 运行； 接着再重新软件或游...
Pareto Self-Supervised Training for Few-Shot Learning.pdf
11-17
针对这一问题，论文“Pareto Self-Supervised Training for Few-Shot Learning”提出了一种新颖的方法——帕累托自监督训练（Pareto Self-Supervised Training, PSST）。PSST旨在将小样本辅助问题分解为多个具有不同...
基于contrast learning的few-shot learning论文集合（1）
weixin_43994864的博客
05-07 1181
论文一：《Learning a Few-Shot Embedding Model with Contrastive Learning》AAAI 2021 论文链接：https://www.aaai.org/AAAI21Papers/AAAI-2249.LiuC.pdf 代码链接：https://github.com/corwinliu9669/Learning-a-Few-shot-Embedding-Model-with-Contrastive-Learning 本文提出一种新的对比训练方案infoP
Generalizing from a Few Examples: A Survey on Few-Shot Learning
weixin_38654615的博客
01-08 1830
Generalizing from a Few Examples: A Survey on Few-Shot Learning 论文地址：paper 这篇概述很简洁：简介的论文解读 一、 摘要 机器学习在有大量数据支撑的时候的效果很好，但是数据量很少的时候效果很差了。Few shot learning 是针对于这个问题场景下提出的解决办法，他可以迅速自适应到一个新的任务中去。FSL的核心问题是unreliable empirical risk minimizer，基于如何利用先验知识来解决问题，我们可以把
mfc110.dll
10-20
打开xshell提示 缺少mfc110.dl 解决方法: 下载mfc110.zip, 解压 将mfc110.dll文件放入xshell运行目录,放入windows->system32里尝试没有效果,放入xshell目录下就可以了。具体可以自己尝试。
Large-Scale Few-Shot Learning: Knowledge Transfer With Class Hierarchy 论文笔记
qq_30146937的博客
04-16 587
前言 在大规模小样本学习（large-scale FSL）中，有这样一个baseline：使用所有的源类（source class）训练一个feature embedding模型，然后用这个模型提取出目标类（target class）中样本的特征，以进行最近邻分类。从下图可以看出，仅使用简单的最近邻（NN）方法得到的结果，甚至能与目前最先进的FSL模型相匹配： 这就说明了一个问题：在SGM、PP...
论文阅读笔记《Adaptive Subspaces for Few-Shot Learning》
深视
06-27 4379
核心思想   本文提出一种基于度量学习的小样本分类算法（DSN）。作者引入了子空间的概念，为每种类别都寻找到一个适合的子空间，然后在子空间中进行距离度量，并预测类别。首先作者介绍了几种常见的基于度量学习的小样本分类器，其分类方式如下图所示 （a）成对的分类器，分别计算查询样本对应的特征向量和每个支持样本对应的特征向量之间的距离，然后按照最近邻的思想预测类别，如Matching Network。 （b）原型分类器，为支持集中每个类别计算出一个原型（每个类别所有样本特征向量的平均值），然后根据查询样本的特征向
mfc.110.dll缺失解决方案
qq_39010854的博客
02-25 7683
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...
《Adaptive Subspaces for Few-Shot Learning 》学习笔记
qq_50923080的博客
04-16 2552
贡献:使用子空间来扩展现有的动态分类器。在训练过程中，引入了一种鼓励子空间之间最大差别的判别性公式，进一步提高了性能。 表示类c的子空间的基可以通过矩阵分解，如奇异值分解(SVD)得到。子空间的分类方法之一是找到数据点与其在子空间上的投影之间的最近距离。 网络结构：子空间分类器的模型主要利用特征提取器f Θ将输入图像映射到特征空间中得到对应的特征向量f Θ ( x i )，然后通过平均的方式计算每个类别c对应的特征向量均值μ c，将模型提取的特征与每个类别的特征向量均值μ c做差，得到Xc,然后使用奇异
找不到mfc110.dll,无法执行代码，可以使用这3种方法进行修复
2301_77698200的博客
06-01 2054
​还可以从另一个计算机或备份中复制文件：如果您有另一台安装有相同操作系统的计算机，可以从该计算机复制Mfc110.dll文件。总的来说，从备份或另一个计算机复制mfc110.dll文件，或通过重新安装MFC，运行SFC扫描器，更新驱动程序或进行完整的系统病毒扫描等方法，都可以修复mfc110.dll文件缺失问题。Mfc110.dll属于系统的dll运行库，我们可以下载一个dll修复工具，直接更新系统的运行库文件，（亲测可以修复）这样子也还可以更新电脑系统的dll文件，操作也相对简单。操作系统损坏或错误。
评论
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