FewShot文章阅读总结【一】

文章目录

Few-shot方法大致分为三类：

  1. 使用数据扩充的方法：利用伪标签、图像变换等方式进行扩充；
  2. metric learning：将support set和query set的feature映射到同一特征空间中，然后使用相似性度量比较进行分类；
    Prototypical Networks for Few-shot Learning
    Finding Task-Relevant Features for Few-Shot Learning by Category Traversal
  3. 基于语义的方法：利用跨模态信息，比如一些珍稀动物的图片很少，但是相关文字描述很多。

Finding Task-Relevant Features for Few-Shot Learning by Category Traversal

Prototypical Networks for Few-shot Learning

摘要

提出Prototypical Networks来解决Few-shot问题，

版权声明：本文为nini_k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。