小样本学习(Few-Shot Learning,以下简称 FSL )用于解决当可用的数据量比较少时,如何提升神经网络的性能。在 FSL 中,经常用到的一类方法被称为 Meta-learning。和普通的神经网络的训练方法一样,Meta-learning 也包含训练过程和测试过程,但是它的训练过程被称作 Meta-training 和 Meta-testing。

精品内容

小样本语义分割研究现状与分析
专知会员服务
16+阅读 · 11月11日
基于图神经网络的小样本学习方法研究进展
专知会员服务
41+阅读 · 2023年11月18日
小样本目标检测研究综述
专知会员服务
64+阅读 · 2023年8月6日
小样本图像分类研究综述
专知会员服务
53+阅读 · 2023年1月27日
小样本困境下的图像语义分割综述
专知会员服务
28+阅读 · 2023年1月24日
「多模态处理技术」最新2022研究进展综述
专知会员服务
134+阅读 · 2022年10月29日
面向图像分类的小样本学习算法综述
专知会员服务
62+阅读 · 2022年5月9日
「小样本深度学习图像识别」最新2022综述
专知会员服务
101+阅读 · 2022年1月15日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
24+阅读 · 2021年5月23日
2021年中国人工智能在工业领域的应用研究报告(附报告)
基于小样本学习的图像分类技术综述(中文版),19页pdf
专知会员服务
87+阅读 · 2021年3月15日
参考链接
父主题
微信扫码咨询专知VIP会员