論文閱讀筆記《Adversarial Feature Hallucination Networks 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(AFHN),利用生成對抗網絡(GAN)實現數據集的擴充。數據增強的方法被認爲可以增強類內樣本方差的多樣化,從而實現更加清晰地分類界限。先前的數據增強方法主要包含兩類:一類是通過在基礎數據集上學習一種變換映射,並將其直接應用到新的數據集上,得到映射後的合成圖像用於數據擴充,這一類方法會破壞合成圖像的區分能力(因爲合成圖像很粗糙,與原始類別並不相
相關文章
相關標籤/搜索