论文阅读笔记《Diversity with Cooperation: Ensemble Methods for Few-Shot Classification》

核心思想   本文提出一种基于集成学习的小样本学习算法（Robust-dist），集成学习顾名思义就是将多个模型集成在一起，根据多个模型输出的结果，通过投票法或者平均法计算出最终的结果。集成学习能够消除模型之间的分歧，假设10个模型有7个都预测这幅图片是只猫，那么这幅图片是猫的概率就很高了。实验表明，即使每个模型的性能都一般，但多个模型集成后其性能也会有明显提升，正所谓三个臭皮匠顶个诸葛亮。集成学

>>阅读原文<<