论文阅读笔记《Large-Scale Few-Shot Learning: Knowledge Transfer With Class Hierarchy》

核心思想   本文提出一种带有类别分级的知识迁移算法实现了大规模小样本学习任务，与之前的小样本学习任务只包含几十个类别的情况不同，大规模小样本学习任务包含上千个类别的图像，但每个类别包含的样本图片很少，因此也给学习算法带来很大的困难。先前的算法基本都是利用卷积神经网络提取特征，然后利用最近邻算法实现分类，本文则在此基础上增加了一个类别分级网络，并以此引导特征提取网络的训练。首先，作者将数据集分成两

>>阅读原文<<