Few-shot learning

已于 2022-11-14 16:16:13 修改
阅读量374 收藏
点赞数 1
分类专栏： Deep Learning 鼠鼠的AI笔记 文章标签： 深度学习
于 2022-11-14 14:38:39 首次发布
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/u013302570/article/details/127792831
版权
本文探讨了Few-Shot学习，对比了监督学习与Few-Shot学习的区别，介绍了Siamese网络、Triplet损失、余弦相似性和熵正则化。文章详细讨论了如何在检测任务中应用这些概念，包括AirDet模型的工作原理，以及Attention-RPN和Multi-Relation Detector在提升Few-Shot检测性能中的作用。
摘要由CSDN通过智能技术生成

《学习笔记》

文章目录

Generals

supervised vs few-shot learning

  • inference的data是test data
  • supervised train的data有inference碰到的categories
  • inference的data是query data
  • 但是few-shot train的data里不一定有inference碰到的categories
  • k-way：support set(training data) 有 k 个categories
  • n-shot: every category has n samples
  • training set: 猫的training data有10张，狗的training data也有10张，则这种情况，k = 2, n = 10
  • 通常来说，随着categories的增多，检测的准确率会下降。因为种类的增多越来越会像“大海捞针”，检测击中目标的难度会增加
  • 重点在于similarities的计算。从一个大的数据集学习到一个similarity function

siamese Net

  • 用了正负样本的set
  • 用了binary loss
    在这里插入图片描述
了解本专栏 订阅专栏 解锁全文 超级会员免费看
EmoC001
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
【学习笔记】小样本学习（Few-shot Learning）
iioSnail的博客
04-09 2万+
参考视频：https://www.youtube.com/watch?v=UkQ2FVpDxHg 基本概念 小样本学习（few-shot learning）是什么：就是使用很少的样本来进行分类或回归 Few-shot Learning的目标：让机器学会自己学习 小样本学习的直观理解： ① 前提：首先要知道，训练一个模型的目的不是为了让模型如何分辨大象和蚂蚁，而是让模型具有判断图片“异同”的能力，即让模型看到两张图片后，它能分别出这俩是不是一个类别。这样，当我们在用大数据集训练出一个分类器后，在测试阶段给.
论文阅读笔记《Generalized Zero- and Few-Shot Learning via Aligned Variational Autoencoders》
深视
05-27 3603
核心思想   本文提出一种基于变分自动编码器的广义零样本学习算法，通过结合图像特征信息和描述特征信息来构建包含重要的多模型信息的潜在特征，并借此实现对于未见过的（unseen）样本的分类。要想理解本文必须要先了解两个基础概念：广义零样本学习（Generalized zero-shot learning，GZSL）和变分自动编码器（Variational Autoencoders，VAE）。   零样本学习是指训练集和测试集之间不存在相同类别的样本，但训练集上不仅有带有标签的图片特征，还有该类别对应的描述信息
Paper Killer-2018
NeyoShinado的博客
03-12 720
2018.Oct of Matrix Factorization KBMF2K - M.gonen, 2012 Model model flow chart (drug specific)K: Nd*Nd Kernel matrix Λ: Nd*R Prior matrix A: Nd*R projection matrix G: R*Nd projected ma...
Few-Shot Learning
Harris-H的博客
09-16 1296
Few-Shot Learning
Few-shot Learning
weixin_44228512的博客
02-25 632
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
深度学习基础知识干货 | 什么是few-shot learning
最新发布
5年+算法工程师，分享人工智能前沿技术，与自己的工程经验，欢迎订阅关注。
03-22 900
few-shot learning
Interventional Few-Shot Learning
yanhu6955的博客
11-30 2744
1 Introduction 作者提出在FSL中存在使用越强的预训练模型可以使得算法性能提高的悖论，其原因是预训练模型的旧知识会产生误导性从而看不见新知识，该悖论揭示了FSL中未知的系统性缺陷。在该文献中，作者首先指出了这一缺陷的原因：预训练可能会在FSL中产生不良影响，然后提出了一种新的FSL范式：介入性小样本学习(IFSL)，以对抗这种不良影响，其理论基于预先训练的知识、小样本和类别标签之间的因果关系的假设。 2 Methodology 2.1 Few-Shot Learni...
论文解读：Meta-Baseline: Exploring Simple Meta-Learning for Few-Shot Learning
weixin_50917576的博客
03-07 2255
元学习是近年来最常见的少样本学习框架。它从少量分类任务的集合中学习模型，这被认为具有使训练目标与测试目标一致的关键优势。然而，最近的一些研究报道，通过对整体分类的训练，即在整个标签集上进行分类，它可以得到与许多元学习算法相当甚至更好的嵌入。这两种工作之间的界限尚未得到充分的探索，元学习在少样本学习中的有效性仍然不清楚。在本文中，我们探索了一个简单的过程:对其评估指标的整体分类预训练模型进行元学习。
few-shot learning 小样本学习---综述
xys430381_1的专栏
05-30 8357
小样本学习（Few-shot Learning）综述 （出自阿里巴巴团队2019年4月） Few-shot Learning: A Survey YAQING WANG1,2 , QUANMING YAO 2019
Pareto Self-Supervised Training for Few-Shot Learning.pdf
11-17
在机器学习领域，小样本学习（Few-Shot Learning, FSL）是一个重要的研究方向，它致力于在极少量标记数据的情况下让模型快速泛化到新概念。然而，由于数据稀疏，传统的深度学习方法在此场景下往往表现不佳。为了解决...
A New Meta-Baseline for Few-Shot Learning.docx
06-27
小样本学习（Few-Shot Learning）是机器学习领域的一个挑战性问题，旨在让模型能够从极少量的样例中学习并泛化到未见过的新类别。传统的深度学习方法通常需要大量标注数据才能达到较好的性能，而小样本学习试图模拟...
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。...
学习论文 “Edge-Labeling Graph Neural Network for Few-shot Learning”笔记
01-06
个人笔记对模型数学上的解读部分很大程度上受到这篇博客的启发与参考 Notation T=S∪QT=S \cup QT=S∪Q,support set and query set, support set SSS in each episode serves as the labeled training set ...
python 加速(1)
EmoC的博客
06-15 2513
因为要修改yolo系列里NMS处的计算，如果用python，速度巨慢。torchvision 有自己的加速后的NMS function。但是不和形变后的IOU通用。因此需要做一个类似的。回看torchvion, 发现里面有cpp的文件，因为之前没有接触过加速（资源比较丰富）。C++ 并不是加速NMS那步操作的解药，解药是CUDA kernel。因此，如果要加速任何的function在model里，CUDA kernel 是最终目的。自己之前误入歧途，以为C++就能加速一切。
Whisper
EmoC的博客
11-30 1646
Whisper 代码详解
YOLO NAS note 1
EmoC的博客
05-18 1518
Yolo-Nas 的代码比YOLO v8 还恐怖。之前的YOLO数据可以通过：coco_detection_yolo_format_train， 和 coco_detection_yolo_format_val 自动转。
Yolo v5 长方形 训练修改
EmoC的博客
04-25 1515
感谢，以下内容改自：http://t.csdn.cn/37m2w dataloaders.py # YOLOv5 🚀 by Ultralytics, GPL-3.0 license """ Dataloaders and dataset utils """ import contextlib import glob import hashlib import json import math import os import random import shutil import time from it
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