[PaperReading]: Cascaded Decomposition Network for Cross-Domain Few-Shot FER

该博客探讨了如何解决面部表情复杂数据集标签繁重的问题,提出一种创新模型,将跨越学习与小样本策略结合,通过batch-training和episodic-training的融合,以少量目标域标签提升复杂分类任务的学习能力。模型结构具有自适应性,旨在应对源域简单到目标域复杂的数据迁移挑战。
摘要由CSDN通过智能技术生成

link:

code:https://github.com/zouxinyi0625/cdnet

paper:https://arxiv.org/abs/2207.07973

motivation:

1、复杂的面部表情的数据集标签制作起来耗时耗力

2、batch training 在小数据集上容易过拟合,episodic training的 学习能力有限


problem Defination:

源域上有一些简单的分类,而目标域上有一些比较复杂的分类,需要利用目标域上少量的标签,实现目标域上小样本的学习

 


model:

 


Innovation:

1、将跨越与小样本结合在一起

2、batch training 和episodic training结合在一起使用

3、模型结构可以学习

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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