Dense Classification and Implanting for Few-Shot Learning論文筆記

論文地址:https://arxiv.org/pdf/1903.05050.pdf 摘要 基於較少的訓練數據對神經網絡進行訓練一直是一個比較困難的問題,本篇論文設計了一種將較大的數據集中中學習到的知識遷移到較小的數據集的方法來完成小樣本學習任務。論文主要的創新點如下: 設計了一種基於特徵圖的密集分類器,首次探索了局部信息在小樣本學習中的作用。 遷移,具體表現爲在預訓練好的模型之上增添新的神經元進行
相關文章
相關標籤/搜索