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。