few-shot learning總結
1：首先用大規模樣本來預訓練一個模型，這個模型是用來提取特徵的，將樣本映射爲特徵向量 fine-tuning：（優化） 2：做預測，給一個query和一個support set，預測query屬於support set的哪一類。 首先拿預訓練模型將query和support set的樣本提取特徵轉化爲特徵向量，把每個support set中同一類的特徵向量做平均得到向量u1,u2.。。。
相關文章
- 1. Meta Learning總結
- 2. (Fewshot detection)Review:RepMet: Representative-based metric learning for few-shot detection
- 3. (Few-shot Detection)Review: fewshot adaptive faster r-cnn
- 4. deep learning loss總結
- 5. Learning to rank總結
- 6. 最近Few-Shot Learning總結
- 7. machine learning 第七週 總結
- 8. Neural networks and deep learning C1總結
- 9. Deep Residual Learning for Image Recognition總結
- 10. 《Wide & Deep Learning for Recommender Systems》論文總結
- 更多相關文章...
- • Docker 資源彙總 - Docker教程
- • XML 總結 下一步學習什麼呢？ - XML 教程
- • 算法總結-雙指針
- • 算法總結-回溯法
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。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Meta Learning總結
- 2. (Fewshot detection)Review:RepMet: Representative-based metric learning for few-shot detection
- 3. (Few-shot Detection)Review: fewshot adaptive faster r-cnn
- 4. deep learning loss總結
- 5. Learning to rank總結
- 6. 最近Few-Shot Learning總結
- 7. machine learning 第七週 總結
- 8. Neural networks and deep learning C1總結
- 9. Deep Residual Learning for Image Recognition總結
- 10. 《Wide & Deep Learning for Recommender Systems》論文總結