小样本图像识别——关系网络(Relation Network)(目前只对Few-Shot进行研究)

关系网络

1.论文参考:

《Learning to Compare Relation Network for Few-Shot Learning》论文原文请点击这里
参考代码:https://github.com/floodsung/LearningToCompare_FSL/

2.问题定义:

  首先需要了解三个数据集,training set,support set和testing set。support set和testing set共享相同的标签空间,而training set有自己的标签空间并且和support/testing set不相交。如果支持集包含C个类,每个类中有K个带有标签的样本,该few-shot问题被称为C-way K-shot。
  若只使用支持集,我们原则上可以训练一个分类器,为测试集的每个样本x分配一个类标签。但是,由于在支持集中缺乏标签样本,上述分类器识别效果较差。因此,我们的目标是在训练集上进行元学习,以便提取可转移的知识,使我们能够在支持集上进行更好few-shot学习,从而更成功地对测试集进行分类。
  利用训练集的一种有效方法是通过基于情景的训练来模拟few-shot学习。在每个训练迭代中,一个情景通过在训练集中随机选择C类,每个类中有K个标签样本来形成样本集


在这里插入图片描述
  以及作为查询集 ,是C类样本的剩余部分组成。此S和Q划分的目的是模拟测试时候的support和test集合。(即将训练集training set划分为sample set和query set来模拟support set和test set)。 </
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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