論文閱讀筆記《Diversity with Cooperation: Ensemble Methods for Few-Shot Classification》

核心思想   本文提出一種基於集成學習的小樣本學習算法（Robust-dist），集成學習顧名思義就是將多個模型集成在一起，根據多個模型輸出的結果，通過投票法或者平均法計算出最終的結果。集成學習能夠消除模型之間的分歧，假設10個模型有7個都預測這幅圖片是隻貓，那麼這幅圖片是貓的概率就很高了。實驗表明，即使每個模型的性能都一般，但多個模型集成後其性能也會有明顯提升，正所謂三個臭皮匠頂個諸葛亮。集成學

>>阅读原文<<