小样本图像分类
文章平均质量分 95
十有久诚
知道的越多,不知道的越多
展开
-
论文解读:DeepEMD小样本图像分类
假设有一系列的货源地S={si|i=1,...,m}和一系列的目的地D={dj|j=1,...,k},si和dj分别表示货源地i的货物供应量(me:问题中只有一种货源,只不过每个货源地拥有不同的数量)和目的地j的需求量,cij表示两地之间的单位运输成本,xij表示两地之间的运输量,那么运输问题的目的是寻找运输成本最低的运输方案原创 2024-02-01 16:32:20 · 1089 阅读 · 2 评论 -
论文解读:DeepBDC小样本图像分类
由于每个新任务只给出很少的训练样例,所以few -shot分类是一个具有挑战性的问题。解决这一挑战的有效研究路线之一是专注于学习由查询图像和某些类别的少数支持图像之间的相似性度量驱动的深度表示。统计上,这相当于测量图像特征的依赖性,被视为高维嵌入空间中的随机向量。以往的方法要么只使用边际分布而不考虑联合分布,表示能力有限,要么利用联合分布计算量大。本文提出了一种基于深度布朗距离协方差(DeepBDC)的小样本分类方法。DeepBDC的核心思想是通过测量嵌入特征的联合特征函数与边缘积之间的差异来学习图像表示。原创 2024-02-01 16:11:41 · 1384 阅读 · 0 评论