论文进展-关于小样本学习的一些思考和疑问

最新推荐文章于 2025-05-21 14:59:28 发布
最新推荐文章于 2025-05-21 14:59:28 发布
阅读量2.9k 收藏 10
点赞数 1
CC 4.0 BY-SA版权
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.youkuaiyun.com/ECHOSON/article/details/104497940
本文作者在车辆重识别的背景下，深入思考小样本学习的定义、数据增强、迁移学习、元学习和度量学习的应用。文章讨论了小样本学习中样本量的界定，以及数据增强如何转变为大样本学习问题。同时，作者提出了关于某些方法是否真正符合小样本学习定义的疑问，并分享了在车辆重识别任务中如何应用小样本学习策略的困惑。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

车辆重识别部分的实验目前已经基本接近尾声，在吴潇学姐的指导下，相对于对比的模型，mAp和CMC两个指标都有了一定的提升，但是回到小样本学习的问题上来，我又产生了不少的疑惑，将目前的进展记录于此，希望能到得到学姐和老师的指导。

小样本学习的定义

之前按照我自己的理解，一直是以为训练的样本足够少才算是小样本学习，但是我一直不太清楚，小样本学习的小是如何定义的，有的文献中的小样本，是每个类别有10个样本，而有的文献中用到的是5个或者1个样本。首先从定义来看是这样来定义小样本学习这个问题的，只有少量的有标签的数据集S（也称为支持集）的小样本学习可以概括为N-way，K-shot问题，s包括N种样本，K表示每个类种的样本数，以N-way、one-shot为例，在支持集S中，每个样本都有不同的标签y_i，少样本学习的任务是给定的测试样本X^*进行分类，即能正确预测X^*属于哪个标签（y_i）。将上述one-shot学习模型中的S中的每个类

了解本专栏 订阅专栏 解锁全文 超级会员免费看
cv君独家视角 | AI内幕系列二十：距离你解决小样本/少数据难题，只差这篇文章
cv君的博客
06-26 1万+
文章目录什么是小样本学习？小样本学习变体Zero-Shot Learning (ZSL)One-Shot和Few-Shot小样本学习方法数据级方法参数级方法Few-Show目标检测YOLOMAML小样本解决方法进阶总结 如今，在使用数十亿张图像来解决特定任务方面，计算机可以做到超过人类。尽管如此，在现实世界中，很少能构建或找到包含这么多样本的数据集。 我们如何克服这个问题？ 在计算机视觉领域，我们可以使用数据增强 (DA)，或者收集和标记额外的数据。DA 是一个强大的技术，可能是解决方案的重要组成部分。标
【小样本基础】站在巨人的肩膀上：迁移学习（Transfer Learning）
vector的博客
02-27 1161
会骑自行车更容易学会摩托车，会英语的人更容易学会法语，利用已有的经验解决相似的任务是人类与生俱来的能力，我们希望机器也能具备这样的本领。 在机器学习中有很多任务是相似的，比如分类猫狗，分类苹果和梨，都是在分类图像。cnn的前几层都是在提取分类特征，在全连接层才开始分类，而提取特征的过程是十分相似的，只需要将猫狗分类的前几层拿过来，修改全连接层就可以用来分类苹果和梨。 这种利用数据，任务，模型之间的相似性，将训练好的内容应用到新的任务上，被称为迁移学习，由于这个过程发生在两个领域之间，已有的数据和..
迁移学习实战：用预训练模型解决小样本图像分类
最新发布
X2829352498的博客
05-21 257
迁移学习（Transfer Learning）是将已有模型的知识迁移到新任务上的一种方法，特别适用于数据稀缺场景。使用ImageNet 预训练模型；替换最后的分类层；冻结或微调部分网络参数。适用于：医学图像识别、工业缺陷检测、花卉识别等“小数据量”图像任务。你学到了什么？用已有模型“提取知识”；如何使用 PyTorch 加载预训练模型；如何替换分类层，实现微调或特征提取；用于小样本图像分类任务的完整流程；冻结更多层或解冻全部微调；
Few-shot transfer learning for intelligent fault diagnosis of machine（机器智能故障诊断中的小样本迁移学习）
weixin_45809449的博客
03-19 3021
设计了一种基于一维卷积网络的统一小样本迁移学习框架，用于故障诊断中两种典型的迁移情况：工作条件迁移和人工自然迁移，对Few-shot transfer learning for intelligent fault diagnosis of machine这篇文章进行了基本理解和简要翻译
如何理解few-shot learning中的n-way k-shot？
张伟的专栏
01-18 2388
作者：胖迪王来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。时间：NIPS 2016最近在读《Matching Networks for One Shot Learning》这篇文章，里面好多内容有些疑问，以下参考博客并结合自己的理解，可能有些地方存在问题，希望大家多多指正。每天学一点知识，你将变得更优秀哒。
[论文阅读笔记08]Generalizing from a Few Examples：A Survey on Few-Shot Learning
ld326的专栏
01-12 3804
一，题目 Generalizing from a Few Examples: A Survey on Few-Shot Learning 从少样本中概括：少样本综述 FSL: Few-Shot Learning 二，作者 YAQING WANG, Hong Kong University of Science and Technology and 4Paradigm Inc QUANMING YAO, 4Paradigm Inc JAMES T. KWOK, Hong Kong University of
论文研究-基于小样本集弱学习规则的KNN分类算法.pdf
07-22
基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度，它首先对Dl中的数据对象进行学习，从中选取一些数据，利用学到的标签知识对其进行类别标号，然后将其加入到Dl中;最后利用扩展后的Dl对...
无源跨域小样本学习的增强信息最大化与距离感知对比学习方法(IM-DCL)
01-25
内容概要：论文提出了一种名为IM-DCL的新颖方法，用以解决无源跨域小样本学习（SF-CDFSL）的问题。传统的CDFSL模型依赖源数据进行预训练，然而由于隐私保护等因素使得获取源数据变得更加困难，因此需要一种不需要...
基于python实现多种算法实现跨域小样本学习模式识别课设源码+项目说明+数据集.zip
10-14
基于python实现多种算法实现跨域小样本学习模式识别课设源码+项目说明+数据集.zip 本代码主要是在跨域小样本数据集Office31和Office-home上进行编写。 Office31数据集的包括三个域：非别是亚马逊商城(在线电商)图片...
行业分类-电子-关于小样电解用钢水取样器的说明分析.rar
09-21
小样电解用钢水取样器主要用于获取钢水中的代表性样品，以便进行化学成分分析和机械性能测试，确保产品质量符合标准。 电解过程中，钢水取样器的设计和使用直接影响着取样结果的准确性和可靠性。这种设备通常由耐...
小样本学习
alex1801
02-24 5444
给定两张图片 a 和 b，如果两张图片越相似，则 sim (a, b) 的值越大。在小样本学习问题中，Support Set中每一类往往只有少数几个样本，单单依靠这些样本，不可能训练出一个深度神经网络，甚至无法采用迁移学习中的Pretraining+Fine Tuning方法。将Query图片和Support Set中所有图片全部转化为特征向量，然后依次计算Query图片对应的特征向量和Support Set中各图片对应特征向量之间的距离，返回Support Set中距离最小的图片类别作为预测结果。
Few-Shot Learning (FSL): 小样本学习简介及其应用
热门推荐
qq_26815239的博客
03-26 4万+
原文链接：Few-Shot Learning (FSL): What it is & its Applications
小样本识别方案
破晓的专栏
04-21 1484
这是某比赛 玻璃绝缘子缺陷的识别 图像是4000*6000，缺陷部分比较小，在30*30区域内，40张图像 大概2000个绝缘子串，缺陷的只有40来个，现在中的小样本识别案例，第一名团队貌似达到96.5%的识别率 大概思路 1：使用yolo3将绝缘子区域先分出来Y1，然后针对绝缘子使用deeplabv3+分割绝缘杆Y21及绝缘子Y22分割出来，Y21与Y22合并Y2,Y1与Y2通道合并一起送到缺陷检测模型 2：样本少，采用Gan方法生成样本，考虑了样本的多样性，以及传统的数据增强方法，颜色扰动，旋转角
小样本学习（Few-shot Learning）综述
root-cause的博客
07-19 3399
小样本学习综述
从因果关系来看小样本学习
weixin_40920183的博客
10-06 1142
作者 | 岳中琪编辑 | 陈彩娴来源 | AI科技评论本文主要介绍一篇被NeurIPS 2020接受的论文《Interventional Few-Shot Learning》。这篇工作根...
Few-Shot 小样本学习 论文检索
VIEO
01-04 1030
References Discriminative k-shot learning using probabilistic models. arXiv preprintarXiv:1706.00326 (2017) A closer look at few-shot classification. In: ICLR (2019) 【已读】 Diversity with cooperation: Ensemble methods for few-shot classification. In: ICCV
小样本学习（Few-shot Learning）在图像领域的研究现状
gcheney的博客
07-01 1万+
最近在做华为杯的竞赛，涉及小样本学习，总结一下相关的知识及论文 小样本学习（Few-shot Learning）在图像领域的研究现状1.introduction1.1注意力机制1.2 LSTM（Long short-term memory）2. 小样本学习（Few-shot Learning）2.1基于度量的小样本学习（Metric Based）（主流方法）2.1.1孪生网络（Siamese Network）2.1.2匹配网络（Match Network）2.1.3原型网络（Prototype Netwo
机器学习之异常检测
黑黑白白君的博客
03-11 4522
#Anomaly detection（异常检测） 这是机器学习算法的一个常见应用，虽然主要用在非监督学习问题，但从某些角度看跟监督学习问题是非常相似的。 更正式的定义： 给定无标签的训练集，对数据建模即p(x)，即对x的分布概率建模，对于新样本，如果p(Xtest)低于阈值ε，则将其标记为异常。 举例： #Gaussian distribution（高斯分布） 也称为n...
评论 5
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

打赏作者

肆十二

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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