CVPR 2023 精选论文学习笔记：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection

我们给出以下四个分类标准：

1. 学习方法

元学习：元学习是一种学习范式，旨在教模型如何快速学习新任务。在小样本学习的背景下，元学习算法在各种任务上进行训练，每个任务只有少数示例。这允许模型学习如何调整其学习过程以适应新任务，即使这些任务与它以前见过的任务非常不同。

数据增强：数据增强是一种通过对现有数据应用转换来生成新训练数据的技术。这对于小样本学习来说可以是一种有用的技术，因为它可以帮助增加可用训练数据量并提高模型的泛化能力。

损失函数优化：损失函数是一个衡量模型在给定任务上的错误的函数。损失函数优化是调整损失函数超参数以提高模型性能的过程。这在小样本学习中可以是一个特别重要的步骤，因为损失函数的选择会对模型泛化到新任务的能力产生重大影响。

2. 任务类型

小样本图像分类：小样本图像分类是训练模型以仅使用每个类别的少数示例将图像分类为新类别的任务。这项任务具有挑战性，因为模型必须从少量数据中学习泛化。

小样本目标检测：小样本目标检测是仅使用每个目标类别的少数示例在图像中检测目标的任务。这项任务也很具有挑战性