論文閱讀筆記《Large-Scale Few-Shot Learning: Knowledge Transfer With Class Hierarchy》

核心思想   本文提出一種帶有類別分級的知識遷移算法實現了大規模小樣本學習任務,與之前的小樣本學習任務只包含幾十個類別的情況不同,大規模小樣本學習任務包含上千個類別的圖像,但每個類別包含的樣本圖片很少,因此也給學習算法帶來很大的困難。先前的算法基本都是利用卷積神經網絡提取特徵,然後利用最近鄰算法實現分類,本文則在此基礎上增加了一個類別分級網絡,並以此引導特徵提取網絡的訓練。首先,作者將數據集分成兩
相關文章
相關標籤/搜索