论文阅读笔记《Adaptive Subspaces for Few-Shot Learning》

核心思想   本文提出一种基于度量学习的小样本分类算法(DSN)。作者引入了子空间的概念,为每种类别都寻找到一个适合的子空间,然后在子空间中进行距离度量,并预测类别。首先作者介绍了几种常见的基于度量学习的小样本分类器,其分类方式如下图所示 (a)成对的分类器,分别计算查询样本对应的特征向量和每个支持样本对应的特征向量之间的距离,然后按照最近邻的思想预测类别,如Matching Network。 (
相关文章
相关标签/搜索