小样本学习年度进展|VALSE2018

最新推荐文章于 2025-05-30 13:54:18 发布
最新推荐文章于 2025-05-30 13:54:18 发布
阅读量719 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 小样本学习
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/weixin_41803874/article/details/96862915
本文精选了2017年至2019年间顶级计算机视觉会议中关于元学习及小样本学习的重要论文，覆盖AAAI、CVPR、ECCV等国际知名学术会议。为读者提供了对这一领域最新研究进展的全面了解。

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

小样本学习（Few-shot Learning）综述
Paper weekly
04-01 2万+
作者丨耿瑞莹、李永彬、黎槟华单位丨阿里巴巴智能服务事业部小蜜北京团队分类非常常见，但如果每个类只有几个标注样本，怎么办呢？笔者所在的阿里巴巴小蜜北京团队就面临这个挑战。我...
小样本学习综述
qq_41931091的博客
06-15 561
小样本学习综述摘要1.前言本次调查的贡献总结如下：1.1 综述组织结构1.2 符号和术语2.概述 A Survey on Few-Shot Learning. 摘要 机器学习在数据密集型应用中取得了巨大的成功，但当数据集很小时，机器学习往往会受到阻碍。近年来，很少有人提出用小样本学习（FSL）来解决这一问题。利用先验知识，FSL可以快速地推广到只包含少量有监督信息样本的新任务。在本文中，我们进行了一个彻底的调查，以充分了解FSL。从FSL的形式化定义出发，我们将FSL与一些相关的机器学习问题区分开来。
2025年了，小样本学习还能做吗？看看这些登上Nature的小样本学习模型
最新发布
2501_91624122的博客
05-30 936
人工智能小样本学习突破数据瓶颈：医疗影像等数据稀缺场景中，传统模型常因样本不足（仅数十至数百例）而失效。研究前沿聚焦元学习与预训练融合：Transformer通过上下文学习激活知识实现推理，图神经网络结合最优运输校准分布。代表性成果包括：Nature刊发的TabPFN模型，利用合成数据训练实现高效小样本预测；STAR模型首创集合函数与最优运输结合，提升无监督图学习性能。这些技术使模型在小样本条件下逼近传统精度，加速医疗等领域的应用落地。
【领域报告】主动学习年度进展|VALSE2018
深度学习大讲堂
06-12 2020
编者按：白居易在《忆江南》中曾写道，“山寺月中寻桂子，郡亭枕上看潮头。”诗人结合“月中桂树”的传说，从江南众多景色中，选择了灵隐寺的皎月和钱塘江的潮头，这两处具有代表性的...
【领域报告】2017以来的2D to 3D | VALSE2018
深度学习大讲堂
06-19 1813
编者按：虚幻与现实，自古便引发了人们无穷的想象，古有庄子的“庄生晓梦迷蝴蝶”，近有《红楼梦》中“假作真时真亦假，无为有处有还无”的太虚幻境。而随着科技发展至今，我们终于可...
小样本学习--笔记整理
机器学习专栏
05-30 3741
0- What is Few-shot Learning？ one-shot learning产生的动机大家都比较了解。现在在互联网，我们主要用large-scale方法处理数据，但真实情况下，大部分类别我们没有数据积累，large-scale方法不完全适用。所以我们希望在学习了一定类别的大量数据后，对于新的类别，我们只需要少量的样本就能快速学习。 目前考虑的解决方法主要有两个： 第一个是人...
深度学习高效计算与处理器设计
深度学习大讲堂
06-21 2525
编者按：“夫因朴生文，因拙生巧，相因相生，以至今日。”在人工智能领域，机器学习研究与芯片行业的发展，即是一个相因相生的过程。自第一个深度网络提出，深度学习历经几次寒冬，直...
何晖光：多模态情绪识别及跨被试迁移学习
深度学习大讲堂
04-23 4928
编者按：情感计算的概念由MIT媒体实验室Picard教授于1997年提出，它旨在通过赋予计算机识别、理解、表达和适应人类情感的能力来建立和谐人机环境。情感计算的基本问题包...
最新《小样本学习(Few-shot learning)》2020综述论文【香港科技大学】.pdf
04-13
本文介绍34页小样本学习综述《Generalizing from a Few Examples: A Survey on Few-Shot Learning》，包含166篇参考文献，来自第四范式和香港科技大学习的研究学者。
最新《小样本学习》综述教程（来自CVPR 2020）
06-20
在过去的几年里，基于深度学习的方法在图像理解问题上取得了令人印象深刻的效果，如图像分类、目标检测或语义分割。然而，真实字计算机视觉应用程序通常需要模型能够(a)通过很少的注释例子学习，(b)不断适应新的数据而不忘记之前的知识。不幸的是，经典的监督深度学习方法在设计时并没有考虑到这些需求。
Learning from Very Few Samples: A Survey（小样本学习综述）
space_dandy的博客
08-30 1760
1. Introduction 成功从很少的样本中学习和概括的能力是区分人工智能和人类智能的一个明显的边界。人类智能的一个特点是能够从一个或几个例子中快速建立对概念的认知。相关研究表明：人类的显著学学习能力得益于人脑中前额叶皮层(PFC)和工作记忆，特别是PFC特有的神经生物学机制与大脑中存储的以往经验的相互作用。 深度学习算法成功主要归结于三个关键因素：强大的计算资源、复杂的神经网络结构；大规模的数据集。在真实的应用场景中，如医学、军事和金融领域，无法获取到充足的标注样本...
【少样本】学习综述：小样本学习研究综述
zenRRan的博客
07-26 9726
点击下面卡片，关注我呀，每天给你送来AI技术干货！来源：知乎—Jy的炼丹炉地址：https://zhuanlan.zhihu.com/p/389781532(侵删)随着大数据时代的到来,深...
few-shot learning 小样本学习---综述
xys430381_1的专栏
05-30 8812
小样本学习（Few-shot Learning）综述 （出自阿里巴巴团队2019年4月） Few-shot Learning: A Survey YAQING WANG1,2 , QUANMING YAO 2019
小样本学习演变历史
m0_51763225的博客
10-17 698
小样本学习演变历史
评论
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