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

面向图像分类的小样本学习算法综述
专知会员服务
32+阅读 · 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
75+阅读 · 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
29+阅读 · 2021年12月4日
专知会员服务
22+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
71+阅读 · 2021年3月15日
【AAAI2021】小样本学习多标签意图检测
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
172+阅读 · 2020年12月5日
【NeurIPS 2020】基于因果干预的小样本学习
专知会员服务
54+阅读 · 2020年10月6日
【ACMMM2020-北航】协作双路径度量的小样本学习
专知会员服务
26+阅读 · 2020年8月11日
《小样本元学习》2020最新综述论文
专知会员服务
159+阅读 · 2020年7月31日
参考链接
父主题
微信扫码咨询专知VIP会员