Few-Shot Scene-Adaptive Anomaly Detection ECCV 2020 速读

1.思路

引入了少样本学习的概念few-shot

1)从多个scences场景中训练一个模型，企图形成一个在test的特定场景中，模型能通过几个场景中的图片迅速适应test的特定场景。

训练方式是重点：meta—training中的train与val对参数的更新细节？

 

首先通过不同的场景i将数据集规划成不同的任务Ti,任务task i---> Ti={Ditr,Dival},tr与val中的数据是不交叉的。

 

假设模型有一个pre_train参数θ，在每个场景Ti下获取各个场景的batch∈Ditr，更新适用于场景Ti的模型参数θi',即eq(1)。在所有Ti上训练一轮后，利用所有场景任务的Dival，以及各场景下的最优参数θi'，对模型的θ进行更新。