論文閱讀筆記《Revisiting Local Descriptor based Image-to-Class Measure for Few-shot Learning》

核心思想   本文采用基於度量學習的方式實現小樣本學習任務,但與其他基於度量學習的方式不同,本文通過比較圖像與類別之間的局部描述子(Local Descriptor),來尋找與輸入圖像最接近的類別。本文的靈感來自於樸素貝葉斯最近鄰算法(Naive-Bayes Nearest-Neighbor,NBNN),根據這一算法作者有兩點發現:一、如果將一幅圖像的特徵信息壓縮到一個緊湊的圖像級別的表徵(換言之
相關文章
相關標籤/搜索