其他分享
首页 > 其他分享> > few-shot learning

few-shot learning

作者:互联网

k-ways,n-shot,support set,query,training data
support set,不在training data里
(k是support set中的类别,n是每个类别的个数)query是想要查找的图片。
1)meta-learning:learn to learn,最简单是计算相似度。
Omniglot,50个不同的字母表,1623个不同的字符,每个字符由20个不同人书写,每个图片105105像素。
Mini-imageNet 100类,每个类600样本,每个样本是84
84的图片。
2)Siamese Network:孪生网络
在这里插入图片描述
pairwise similarity
在这里插入图片描述

triplet loss
在这里插入图片描述

if (d-)>=(d+)+a,no loss
else loss=(d+)+a-(d-)
三、pretraining and fine tunning
cosine similarity计算相似度
softmax让大的变大,小的变小,与max相类似,所以命名为softmax
entropy regularization
在这里插入图片描述
在这里插入图片描述

标签:loss,set,shot,每个,similarity,support,few,learning
来源: https://blog.csdn.net/qq_36136196/article/details/120555500