论文阅读笔记《Few-Shot Learning with Embedded Class Models and Shot-Free Meta Training》
核心思想 本文提出一种不限样本数量的（shot-free）小样本学习算法，算法本身与先前的方法都不同，但整体思想还是基于度量学习的。本文的算法拥有以下几个特性：开放集 Open Set，包含未知的，不断增长的，可能是无限多的新类；持续的 Continual，能够利用小样本数据不断改善模型的性能；不限样本数量的 Shot Free，不像其他算法规定每个类别的样本数量相同（1-shot或者5-sh
相关文章
- 1. 论文阅读笔记《Gradient-Based Meta-Learning with Learned Layerwise Metric and Subspace》
- 2. Machine Learning & Deep Learning 论文阅读笔记
- 3. 论文阅读笔记《Meta-Learning with Temporal Convolutions》
- 4. 论文阅读笔记《Meta-learning with differentiable closed-form solvers》
- 5. 论文阅读笔记《Meta-learning with Latent Embedding Optimization》
- 6. 论文阅读笔记《Meta-Learning with Memory-Augmented Neural Networks》
- 7. Deep Mutual Learning论文阅读笔记
- 8. 论文笔记--Meta learning with implicit gradient
- 9. 论文阅读笔记《Few-Shot Learning with Global Class Representations》
- 10. 论文阅读笔记《Large-Scale Few-Shot Learning: Knowledge Transfer With Class Hierarchy》
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • C# 文本文件的读写 - C#教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • RxJava操作符（七）Conditional and Boolean
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文阅读笔记《Gradient-Based Meta-Learning with Learned Layerwise Metric and Subspace》
- 2. Machine Learning & Deep Learning 论文阅读笔记
- 3. 论文阅读笔记《Meta-Learning with Temporal Convolutions》
- 4. 论文阅读笔记《Meta-learning with differentiable closed-form solvers》
- 5. 论文阅读笔记《Meta-learning with Latent Embedding Optimization》
- 6. 论文阅读笔记《Meta-Learning with Memory-Augmented Neural Networks》
- 7. Deep Mutual Learning论文阅读笔记
- 8. 论文笔记--Meta learning with implicit gradient
- 9. 论文阅读笔记《Few-Shot Learning with Global Class Representations》
- 10. 论文阅读笔记《Large-Scale Few-Shot Learning: Knowledge Transfer With Class Hierarchy》