论文笔记：Prototypical Networks for Few-shot Learning

最新推荐文章于 2024-05-04 13:01:48 发布
最新推荐文章于 2024-05-04 13:01:48 发布
阅读量1.7w 收藏 57
点赞数 4
分类专栏： meta learning
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/u014767662/article/details/81670215
版权

Prototypical Networks for Few-shot Learning（用于小样本学习的原型网络）

论文中心思想：

通过神经网络学会一个“好的”映射，将各个样本投影到同一空间中，对于每种类型的样本提取他们的中心点(mean)作为原型（prototype）。使用欧几里得距离作为距离度量，训练使得测试样本到自己类别原型的距离越近越好，到其他类别原型的距离越远越好。测试时，通过对到每类原型的距离做sofmax获得测试样本类别。
原型网络原理示意

算法主要流程

总结分析：

本文提出的的Prototypical Networks（P-net）思想与match network（M-net）十分相似，但也有几个不同点：1.使用了不同的距离度量方式，M-net中是cosine度量距离，P-net中使用的是属于布雷格曼散度（详见论文&

最低0.47元/天 解锁文章
Learn2Learn
关注
  • 4
    点赞
  • 踩
  • 57
    收藏
    觉得还不错? 一键收藏
  • 15
    评论
专栏目录
小样本NLP自然语言处理的元学习Meta-learning for Few-shot NLP.pdf
04-21
记忆增强方法，如Prototypical Networks，通过构建原型来代表类别，从而减少对大量样本的需求。 小样本NLP的一些代表性数据集包括Mini-ImageNet、FewShotQA、SNIPS等，这些数据集涵盖了图像识别、文本理解、对话等...
Prototypical Networks for Few-shot Learning.（用于少样本分类的原型网络）
CaoChengtai的博客
06-18 6814
** Prototypical Networks for Few-shot Learning.（用于少样本分类的原型网络） ** 摘要 文章提出了一种用于少样本分类的原型网络，其中分类器必须可以推广（泛化）到在训练集里面没有见过的新的类别，并且每个新的类别只有很少一部分样本。原型网络学习一个度量空间，执行分类只需要简单的计算到每个类的原型表示的距离。与其他方法的主要一点不同是原型网络反映了一种在数...
Prototypical Networks for Few-shot Learning阅读笔记
小新
11-18 1200
小样本-Prototypical Networks for Few-shot Learning K-means算法 K-means 是一种常用的聚类算法，其特点主要是简单、运算速度快、好理解，但是其职能应用于连续型的数据，并且在聚类前需要手工指定要分成几类。 K-means算法的过程： 首先输入k的值，即我们希望将数据经过聚类得到k个不同的分组。 从数据集中随机选择k个数据点作为初始中心(就是k个中心点) 对集合的每一个元素，计算其与每个初始质心的距离(距离的度量方式有多种，通常使用欧式距离、曼哈顿距离)
匹配网络（Matching Networks）和原型网络（Prototypical Networks）：区别详解
最新发布
qlkaicx的博客
05-04 775
在机器学习领域，特别是在处理少样本学习（Few-shot Learning）问题时，匹配网络（Matching Networks）和原型网络（Prototypical Networks）都是非常流行的元学习模型。尽管这两种方法在目标上都是为了通过少量样本实现快速学习，但它们在方法论和实现上有显著的区别。理解这两种网络的主要区别有助于在实际应用中做出更合适的选择，以达到最佳的学习效果。匹配网络是一种基于注意力机制来实现的元学习模型，它通过直接比较支持集中的样本和待分类的目标样本来进行分类。
Prototypical Networks for Few-shot Learning
kuxingseng123的博客
12-05 764
慢慢的将各种广义零样本方法都研究透彻。 会自己研究广义零样本的方法都行啦的样子。
《Prototypical Networks for Few-shot Learning 》论文翻译
Ma_tx
11-18 2427
Prototypical Networks for Few-shot Learning Abstract 我们为小样本分类问题提出了原型网络，其中分类器能够很好的泛化到其他没有在训练集中出现的新类别，对于每一种新出现的类别，我们只给出很少的样本。原型网络学习一个度量空间，在该空间中，可以通过计算到每个类的原型表示的距离来执行分类。与最近的小样本学习方法...
Prototypical networks for few-shot learning
chumingqian的博客
12-12 181
这篇论文是介绍《作者公布了他的Pytorh。如果看不太懂原作者的代码话可以看一下这一个：https://github.com/orobix/Prototypical-Networks-for-Few-shot-Learning-PyTorch。
Python-PrototypicalNetworksforFewshotLearninginPyTorch
08-11
Implementation of Prototypical Networks for Few Shot Learning (https://arxiv.org/abs/1703.05175) in Pytorch
DeFRCN Decoupled Faster R-CNN for Few-Shot Object Detection.pdf
11-21
DeFRCN（Decoupled Faster R-CNN）是一种针对少样本物体检测（Few-Shot Object Detection）问题的深度学习框架，其设计目的是在极少量的标注样例下快速准确地识别新颖物体。在计算机视觉领域，少样本物体检测是一项...
元学习论文​​Optimization as a model for few-shot learning的简单理解_详细注释
02-26
元学习论文​​Optimization as a model for few-shot learning的简单理解，带有论文的详细注释和个人理解
原形网络（Prototypical Networks）基于PyTorch的实现
01-03
原形网络（Prototypical Networks）基于PyTorch的实现 代码讲解原文:https://blog.csdn.net/weixin_41803874/article/details/92068250
34.小样本学习 fewshot learning1
08-03
《小样本学习：FewShot Learning的探索与方法》 深度学习在当今的许多领域都取得了显著的成功，特别是在图像分类等任务上。然而，这种技术的一大挑战在于其对大量标注数据的依赖。在现实世界中，尤其是在医疗、安全...
Prototypical networks for few-shot learning.
Pr4da的博客
06-05 896
这篇论文是介绍《作者公布了他的Pytorh。如果看不太懂原作者的代码话可以看一下这一个：https://github.com/orobix/Prototypical-Networks-for-Few-shot-Learning-PyTorch。
【论文阅读】Prototypical Networks for Few-shot Learning
goodenough5的博客
09-27 1408
本文结合论文和youtube上的视频来整理一下对prototypical networks在few-shot领域的理解。问题：少镜头分类问题（在只给定少量实例的情况下，分类器必须推广到未看到的新类）。提出的解决方案：Prototypical Networks学习一个度量空间，在该空间中，可以通过计算得到每个类的原型表示的距离来执行分类。优点：与最近少镜头学习方法相比，它们反映了一种更简单的归纳偏差，这种偏差在优先数据的状态下是有益的，取得了出色的结果。分析。
学习报告：基于原型网络的小样本学习《Prototypical Networks for Few-shot Learning》
北街末雨Yyg
05-20 4499
学习报告：基于原型网络的小样本学习《Prototypical Networks for Few-shot Learning》，该论文的主要贡献有两点：（1）对图像领域的Few-Shot／Zero-Shot（小样本/零样本）任务，应用设计简单的原型网络方法（见第二部分），在通用数据集上达到了较好的实验效果（见第三部分）；（2）对原型网络本身进行了较为深入的分析，且分析了距离度量方式的选择对任务效果的影响
【原型网络】Prototypical Networks for Few-shot Learning
靓仔博客
02-22 2005
原型网络，基于这样的想法，即存在一个嵌入，其中点围绕每个类的单个原型表示聚集。为了做到这一点，我们使用神经网络学习输入到嵌入空间的非线性映射，并将类的原型作为其在嵌入空间中的支持集的平均值。然后通过简单地找到最近的类原型对嵌入的查询点执行分类。
prototypical networks for few-shot learning
03-16
Prototypical Networks 是一种用于少样本学习的深度学习模型。它使用了一种称为原型的思想，即为每个类别选择一个“典型”样本作为该类别的代表，并使用这些原型来识别新样本。通过使用这种方法，Prototypical Networks 可以在少量样本的情况下达到较高的分类准确率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 15
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