Prototypical Networks for Few-shot Learning

最新推荐文章于 2025-06-28 16:12:55 发布
原创 最新推荐文章于 2025-06-28 16:12:55 发布 · 1.3k 阅读 · 3 ·
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。

本文介绍了一种名为原型网络的算法，该算法专为少样本学习设计。通过学习一种非线性的embedding，使数据点在度量空间中围绕各自的原型聚集，简化了分类过程。对于新的数据点，只需找到最近的原型即可完成分类。

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

Prototypical Networks for Few-shot Learning

论文简述

本文提出了原型网络，原型网络从数据中学习某种非线性的embedding，使得最终生成的度量空间中，每个类的点都聚集在单一的原型表示周围。对于询问点，只需要计算出在度量空间中距离最短的原型，并分类即可。

论文重点

想法

在这里插入图片描述

  • idea : there exists an embedding in which points cluster around a single prototype representation ck for each class
  • non-linear mapping to metric space using a neural network

算法

在这里插入图片描述

算法细节

在这里插入图片描述

思考

  • 之所以不直接用softmax，而是进行硬聚集，应该是因为few-shot learning中所需要对应的种类较少，所以分类界限相交更为明显。而且训练数据量小，不能足够优化网络，直接用softmax容易产生过拟合现象，分类效果并不好，反而强行设定界限，会更有利于最终结果输出。
  • github代码：https://github.com/jakesnell/prototypical-networks
Python-PrototypicalNetworksforFewshotLearninginPyTorch
08-11
Implementation of Prototypical Networks for Few Shot Learning (https://arxiv.org/abs/1703.05175) in Pytorch
Prototypical Networks for Few-shot Learning（原型神经网络）
JTYANGWEI的博客
09-21 2282
Prototypical Networks for Few-shot Learning
Prototypical Networks原理与PyTorch实现
最新发布
AI智能探索者的博客
06-28 1059
本文旨在全面介绍Prototypical Networks的原理和实现，特别适合想要了解小样本学习和度量学习的读者。我们将覆盖从理论基础到实践应用的全过程。核心概念与联系：解释原型网络的基本原理算法原理与实现：详细解析算法步骤和PyTorch代码实际应用与展望：探讨应用场景和未来趋势小样本学习(Few-shot Learning)：在仅有少量样本的情况下学习新任务的能力支持集(Support Set)：用于构建类别原型的一组标记样本查询集(Query Set)：需要分类的未标记样本。
原型网络(Prototypical Networks) 完整流程讲解【附小样本电影分类代码】
u013250861的博客
03-28 3466
1.1 本节引入在之前的的文章中，我们介绍了关于连体网络的相关概念，并且给出了使用Pytorch实现的基于连体网络的人脸识别网络的小样本的学习过程。在接下来的内容中，我们来继续介绍另外一种小样本学习的神经网络结构——原型网络。这种网络的特点是拥有能够不仅仅应用在当前数据集的泛化分类能力。原型网络的基本结构。原型网络算法描述。将原型网络应用于分类任务。1.2 原型网络引入相比于连体网络，原型网络是另外一种简单，高效的小样本的学习方式。与连体网络的学习目标类似。
Prototypical Networks
bbbeoy的专栏
09-30 213
https://zhuanlan.zhihu.com/p/73379519
元学习系列（二）：Prototypical Networks（原型网络）
jesseyule的博客
01-02 1万+
之前我们了解了孪生网络以及他是如何处理one-shot learning的例子，现在我们再来看看另一个模型，原型网络Prototypical Networks。 之前说过，孪生网络的缺点就是要对比目标和过去每个样本之间的相似度，从而分析目标的类别，而原型网络就提出，先把样本投影到一个空间，计算每个样本类别的中心，在分类的时候，通过对比目标到每个中心的距离，从而分析出目标的类别： 大致思路很简单...
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 5122
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
Prototypical Networks for Few-shot Learning.（用于少样本分类的原型网络）
CaoChengtai的博客
06-18 7266
** 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...
ProtoNet模型结构：《Prototypical Networks for Few-shot Learning》
qq_43496336的博客
02-23 6275
ProtoNet 本文是对NIPS-2017论文《Prototypical Networks for Few-shot Learning》提出的Prototypical Network模型的简要梳理，不含理论分析比较部分。 Intro few-shot classification：分类器对于training set上没见过的类，只要给一些它的example，就可以学会 概念： 支撑集support set：这些提供的labeled example 查询集query set：需要进行预测的unlabele
论文阅读笔记 Prototypical Networks for Few-shot Learning
jieming2002的博客
09-04 2051
小样本学习的原型网络 论文原文链接：https://arxiv.org/abs/1703.05175 摘要 作者提出了一种小样本分类问题的原型网络，在这种网络中，分类器必须推广到训练集中没有的新类别，每个新类别只有少量样例。该原型网络学习一个度量空间，通过计算每个类的原型表示的距离进行分类。与最近的小样本学习方法相比，该方法反映出更简单的归纳偏好，这有益于这种有限数据的状况，因此取得了出色的效果。作者给出的分析表明，某些简单的设计决定能够产生实质的改进，超过了最近的方法，包括复杂的架构选择和元学习。作者把该
prototypical networks for few-shot learning论文
Dream_xd的博客
04-14 636
文章目录摘要引言Prototypical networkNotaionmodel参考 论文：prototypical networks for few-shot learning 地址：https://arxiv.org/abs/1703.05175v2 摘要 针对小样本分类任务，作者提出了一种原型网络，分类器对于在训练集中未出现的新类别必须具有足够好的泛化性，每个新类仅有少量数据。原型网络学...
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.youkuaiyun.com/weixin_41803874/article/details/92068250
小样本学习（few-shot learning）之——原形网络（Prototypical Networks）
m0_38031488的博客
12-27 4万+
Prototypical Networks for Few-shot Learning 摘要：该文提出了一种可以用于few-shot learning的原形网络（prototypical networks）。该网络能识别出在训练过程中从未见过的新的类别，并且对于每个类别只需要很少的样例数据。原形网络将每个类别中的样例数据映射到一个空间当中，并且提取他们的“均值”来表示为该类的原形（prototy...
元学习——原型网络(Prototypical Networks)
热门推荐
hei653779919的博客
09-30 4万+
元学习——原型网络(Prototypical Networks) 1. 基本介绍 1.1 本节引入 在之前的的文章中，我们介绍了关于连体网络的相关概念，并且给出了使用Pytorch实现的基于连体网络的人脸识别网络的小样本的学习过程。在接下来的内容中，我们来继续介绍另外一种小样本学习的神经网络结构——原型网络。这种网络的特点是拥有能够不仅仅应用在当前数据集的泛化分类能力。在接下来的内容中，我们将介绍以下几个内容： 原型网络的基本结构。 原型网络算法描述。 将原型网络应用于分类任务。 高斯原型网络结构以及算法
8.13 Prototypical Networks 原型网络
炫云云
06-20 1906
文章目录1、前言2、Prototypical Networks2.1、 符号2.2 模型2、3混合密度估计的原型网络2、4重新解释为线性模型2、5 匹配网络的比较2、6设计选择2、7 Zero-Shot Learning参考 8.7 Meta learning元学习全面理解、MAML、Reptile prototypical networks （原型网络） 解决few-shot 分类问题 的元学习方法。 few-shot 分类就是test data 有很多新的类，每个新类的只有少量例子。 原型网络学习一个e
论文阅读《Prototypical Networks for Few-shot Learning》
AmbitionalH的博客
08-30 1422
Background ＆ Motivation 度量学习方法，最开始是基于 KNN 的 Neighborhood Components Analysis（NCA）方法，后续改进方法是输入神经网络来输出非线性的 embedding 来替代NCA 中输出的线性变换表征。而 Prototypical Networks 与这些后续的改进方法十分类似，输出每一类的prototype 表征。 元学习方法，可以理解为当一个程序员掌握了基本的 C++、python、Java，后面不管学什么语言都能迅速掌握，这就是元..
Prototypical Networks for Multi-Label Learning(PNML) 阅读笔记
kkx2218813的博客
01-05 1122
一、概述 最近对小样本学习+多标签分类很感兴趣，找到一篇原型网络来做多标签分类的文章，很符合我的需求，所以来读一下。 文章是2020年完稿的，但还没有发表，所以没有开源代码。 二、创新点 通过联合估计非线性嵌入空间（nonlinear embedding space）中所有标签的类别分布来解决多标签学习问题，有效利用了非线性标签依赖性和特征标签预测关系。 三、方法 上图里面符号很多，逐一来看一下。 k=1,2,…,K，一共有K个标签； Epos_k\mathbb E_{pos\_k}Epos_k​代
Prototypical networks for few-shot learning论文
04-01
### 关于Prototypical Networks for Few-Shot Learning论文 Prototypical Networks 是一种针对小样本学习（Few-Shot Learning）设计的方法，旨在通过构建类别原型来完成新类别的快速识别[^1]。该方法的核心思想是在...
评论 1
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