![](https://img-blog.csdnimg.cn/c61588c0329941d8bbd112eac2822d97.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
FSL Paper Notes
文章平均质量分 66
FSL
脑瓜嗡嗡0608
冲鸭!
展开
-
ICCV 2021《Hypercorrelation Squeeze for Few-Shot Segmentation》FSS论文笔记
链接讲的很清楚详细。原创 2023-02-19 19:00:57 · 309 阅读 · 0 评论 -
《GDC — Generalized Distribution Calibration for Few-Shot Learning》FSL论文笔记(属于data augmentation)
2.提出了广义抽样方法(generalized sampling method)——GDC(generalized distribution calibration)3.使用到了协方差收缩(covariance shrinkage),来预防由于过度参数化特征或小规模数据集而引起的奇异协方差(singular variance)4.不同于DC,GDC在训练数据集中样本类差异值较大(相似度较小)的情况下也表现的很好5.在常见few-shot数据集进行了实验,在跨域数据集也进行了实验。原创 2023-02-13 16:06:08 · 338 阅读 · 0 评论 -
FSS《One-Shot Learning for Semantic Segmentation》
笔记博客:补充知识:原创 2023-01-14 21:30:36 · 141 阅读 · 0 评论 -
ICLR 2021《FREE LUNCH FOR FEW-SHOT LEARNING: DISTRIBUTION CALIBRATION》
直接放相关链接原创 2023-01-11 16:48:02 · 229 阅读 · 0 评论 -
ECCV 2022《Tip-Adapter: Training-free Adaption of CLIP for Few-shot Classification》
这篇文章中,作者提出了一种 **Training-free adaption method for CLIP** module来执行小样本分类任务,简写为**Tip-Adapter**。不仅继承了zero-shot CLIP不用训练(training-free)的优点,而且性能与那些需要训练的方法表现相当!原创 2023-01-07 23:27:09 · 800 阅读 · 0 评论 -
ECCV 2022《Few-Shot Classification with Contrastive Learning》
作者指出他们提出了一种新颖的基于对比学习的FSL网络框架,这种框架可以将对比学习很好的集成到现在广泛使用的two-stage training paradigm(包括pre-training和meta-learning两个stages)在pre-training stage,提出了,包括两种对比关系:1️⃣feature vector .vs. feature map2️⃣feature map .vs. feature map。原创 2023-01-07 18:28:29 · 1437 阅读 · 0 评论 -
《Learning to remember rare events》FSS论文笔记(属于external memory)
《Learning to remember rare events》FSS论文笔记(属于external memory)原创 2023-01-04 15:50:00 · 197 阅读 · 1 评论 -
《Matching Networks for One Shot Learning》《Meta-Learning with Memory-Augmented Neural Network》论文笔记
《Matching Networks for One Shot Learning》《Meta-Learning with Memory-Augmented Neural Network》论文笔记原创 2022-12-30 23:18:02 · 147 阅读 · 0 评论 -
ECCV 2022 Self-Support Few-Shot Semantic Segmentation
⭐转载自这是paper作者自己写的,非常清楚,推荐阅读~(膜拜大佬)原创 2022-12-10 10:21:51 · 329 阅读 · 0 评论 -
ECCV 2022 Cross-Domain Few-Shot Semantic Segmentation
小样本语义分割目的是只需要少量标注样本就可以分割一个新的class大多数现有的方法都默认基类和新类是来自相同的域外加现实因素的影响:很多领域想要收集大量的有标注的样本是非常困难的因此在现实因素+现有方法缺陷的推动下,paper提出了CD-FSS,想要将meta-knowledge从具有足够训练标签的domain推广到low-resource domain,也就是只有少量训练标签的domain还建立了 CD-FSS 任务的benchmark,并以任务难度测量为特征提出了一种基于……原创 2022-11-29 00:17:09 · 1187 阅读 · 2 评论