論文閱讀筆記《Few-Shot Learning with Embedded Class Models and Shot-Free Meta Training》
核心思想 本文提出一種不限樣本數量的（shot-free）小樣本學習算法，算法本身與先前的方法都不同，但整體思想還是基於度量學習的。本文的算法擁有以下幾個特性：開放集 Open Set，包含未知的，不斷增長的，可能是無限多的新類；持續的 Continual，能夠利用小樣本數據不斷改善模型的性能；不限樣本數量的 Shot Free，不像其他算法規定每個類別的樣本數量相同（1-shot或者5-sh
相關文章
- 1. 論文閱讀筆記《Gradient-Based Meta-Learning with Learned Layerwise Metric and Subspace》
- 2. Machine Learning & Deep Learning 論文閱讀筆記
- 3. 論文閱讀筆記《Meta-Learning with Temporal Convolutions》
- 4. 論文閱讀筆記《Meta-learning with differentiable closed-form solvers》
- 5. 論文閱讀筆記《Meta-learning with Latent Embedding Optimization》
- 6. 論文閱讀筆記《Meta-Learning with Memory-Augmented Neural Networks》
- 7. Deep Mutual Learning論文閱讀筆記
- 8. 論文筆記--Meta learning with implicit gradient
- 9. 論文閱讀筆記《Few-Shot Learning with Global Class Representations》
- 10. 論文閱讀筆記《Large-Scale Few-Shot Learning: Knowledge Transfer With Class Hierarchy》
- 更多相關文章...
- • RSS 閱讀器 - RSS 教程
- • C# 文本文件的讀寫 - C#教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • RxJava操作符（七）Conditional and Boolean
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文閱讀筆記《Gradient-Based Meta-Learning with Learned Layerwise Metric and Subspace》
- 2. Machine Learning & Deep Learning 論文閱讀筆記
- 3. 論文閱讀筆記《Meta-Learning with Temporal Convolutions》
- 4. 論文閱讀筆記《Meta-learning with differentiable closed-form solvers》
- 5. 論文閱讀筆記《Meta-learning with Latent Embedding Optimization》
- 6. 論文閱讀筆記《Meta-Learning with Memory-Augmented Neural Networks》
- 7. Deep Mutual Learning論文閱讀筆記
- 8. 論文筆記--Meta learning with implicit gradient
- 9. 論文閱讀筆記《Few-Shot Learning with Global Class Representations》
- 10. 論文閱讀筆記《Large-Scale Few-Shot Learning: Knowledge Transfer With Class Hierarchy》