超级会员免费看
本文作者分享了对小样本学习的理解，特别是通过阅读元学习论文和Siamese Neural Networks for One-shot Image Recognition。文章讨论了N-way K-shot测试方法，并介绍了孪生网络的基本思想，指出其将多分类问题转化为二分类问题。作者还表达了对训练与测试过程、准确率等概念的疑惑，并推荐了几篇相关博客进行深入学习。
今天看了小样本学习的一些内容，按照我之前的理解，是训练的样本比较少，但是我一直都不太理解这个少是什么概念，我就看了康老师给我的一篇关于元学习的论文，里面的内容是真的晦涩难懂，什么元学习啥的，太顶了，在实验的测试部分，我以为会有什么mAp之类的测试标准，谁知道居然是N-way K-shot的测试方法，所以我决定今天重新梳理一下小样本学习是个啥。
首先这里是两篇类似于综述的博客，里面解释了小样本学习。
Few-shot learning（少样本学习）和 Meta-learning（元学习）概述
第二篇博客的解释比较清晰，列举了一些主流的小样本学习方法。
订阅专栏 解锁全文
扫一扫
785
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
