- 博客(7)
- 收藏
- 关注
RSS订阅原创 基于局部特征描述的小样本学习论文介绍
本次介绍的一篇论文是2019年发布在CVPR上的一篇：Revisiting Local Descriptor based Image-to-Class Measure for Few-shot Learning这篇文章也是基于度量学习做的小样本，先简单回顾一下之前的一些模型。对于衡量两个特征表示间的距离，匹配网络使用了余弦相似性公式，原型网络使用了欧几里得距离，关系网络使用一个网络来学习，当然，大部分的小样本学习工作使用的距离都是欧几里得距离。不过，他们度量的两个特征表示是全局性的，而这次...
2020-10-28 20:15:02
769
原创 小样本学习之关系网络：让机器自己学习如何度量
论文：2018-CVPR-《Learning to Compare: Relation Network for Few-Shot Learning》之前讲过一篇有关度量学习的论文--原型网络。那篇论文中讨论了如何将样本投影到一个嵌入空间中，使得相似样本间的距离较近，他学习的是如何投影这个过程，而样本间的距离度量方法是人为设定的，这样的话那个投影过程也就是基于人为设定的度量方法来学习的了。就像我...
2019-04-23 10:16:17
3892
1
转载 小样本学习综述
原文链接：https://mp.weixin.qq.com/s/-73CC3JqnM7wxEqIWCejWQ问题定义人类非常擅长通过极少量的样本识别一个新物体，比如小孩子只需要书中的一些图片就可以认识什么是“斑马”，什么是“犀牛”。在人类的快速学习能力的启发下，研究人员希望机器学习模型在学习了一定类别的大量数据后，对于新的类别，只需要少量的样本就能快速学习，这就是 Few-sh...
2019-04-02 11:02:32
9657
1
原创 元学习之模型无关的元学习
本次讲述的论文：Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks首先现在这里介绍一下元学习器的作用。元学习器，即meta learner，为训练优化学习器（即learner）的一个网络，即我们需要使用一个元学习器来训练一个学习器，让学习器能够更好地适应多种任务以及快速学习。可以认为元学习器在学习器的视角来看，...
2019-03-16 14:35:52
2282
原创 小样本学习之半监督的小样本分类
本次介绍的论文：2018 - ICLR - 《Meta-Learning for Semi-Supervised Few-ShotClassification》在上篇博客中介绍了原型网络，一种基于度量的小样本分类方法，核心思想便是在一个嵌入空间中将所有同类的样本拉到较近的位置，然后通过距离度量的方式来判断一个样本x属于哪一个类。对于原型网络，这是一个监督学习，即训练数据全都是有标签的数据。...
2019-03-13 21:59:57
10251
1
原创 小样本学习之原型网络
本次介绍的论文《Prototypical Networks for Few-shot Learning》原型网络是解决小样本分类问题的一个比较实用且效果还不错的方法，这篇论文是在2016年NIPS上的一篇论文《Matching Networks for One Shot Learning》的基础上，进行了改进后而来的，改进后的方法简单且实用。本次将对这篇论文进行介绍和总结。有关小样本...
2019-03-12 23:11:15
20010
7
原创 浅述小样本学习以及元学习
自深度学习发展起来之后， 智能化的各种设备也慢慢变多，但是对于智能化的程序来说，需要数以万计甚至百万千万的数据行进训练，以近年来最为出名的AlphaGo为例，虽然下棋的是一台电脑，但其后台需要庞大的数据支持训练才能达到这样的效果。所以这也是深度学习的一个短板，训练数据需要太多，但有时一些训练任务并不能找到这么多的训练数据。这种情况下，如果训练数据较少时给深度学习器加以训练，会出现过拟合的现象，这是...
2019-03-11 22:59:51
12695
12
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人