论文阅读笔记《Instance Credibility Inference for Few-Shot Learning》

核心思想   本文提出一种基于数据增强的小样本学习算法（ICI）。本文的数据增强是通过自训练（self-training）的方式实现的，具体而言就是利用有标签的样本先训练得到一个分类器，然后预测无标签样本，得到伪标签。选择伪标签中置信度较高的样本，补充到训练集中，实现数据扩充。通过迭代训练的方式逐步改善分类器的效果。网络流程如下图所示   首先利用有标签样本训练特征提取器和线性分类器，然后无标签的

>>阅读原文<<