論文閱讀筆記《Instance Credibility Inference for Few-Shot Learning》

核心思想   本文提出一種基於數據增強的小樣本學習算法（ICI）。本文的數據增強是通過自訓練（self-training）的方式實現的，具體而言就是利用有標籤的樣本先訓練得到一個分類器，然後預測無標籤樣本，得到僞標籤。選擇僞標籤中置信度較高的樣本，補充到訓練集中，實現數據擴充。通過迭代訓練的方式逐步改善分類器的效果。網絡流程如下圖所示   首先利用有標籤樣本訓練特徵提取器和線性分類器，然後無標籤的

>>阅读原文<<