Few-Shot 第11页

【论文总结】DeepEMD:Few-Shot Image Classification with Differentiable Earth Mover’s Distance（附翻译）

DeepEMD:Few-ShotImageClassificationwithDifferentiableEarthMover’sDistance使用陆地移动距离的小样本图像分类论文地址：https://arxiv.org/abs/2003.06777代码地址：https://github.com/icoz69/DeepEMD基于度量学习的小样本学习算法：利用一个特征提取网络将支持集图像和查询集图

小张好难瘦·2022-03-18 07:28

【论文总结】FSCE: Few-Shot Object Detection via Contrastive Proposal Encoding（附翻译）

论文地址：https://arxiv.org/pdf/2103.05950.pdf代码地址：http://https://github.com/MegviiDetection/FSCE改进：主要是针对小样本检测中分类错误的问题，通过降低不同类别目标的相似性来减小类内差异，增大类间差异→对比学习整体框架：以FasterRCNN作为小样本目标检测的基本框架，采用两阶段的训练方法——第一阶段的训练集是大

小张好难瘦·2022-03-18 07:28

论文阅读笔记《Generalized and Incremental Few-Shot Learning……》

GeneralizedandIncrementalFew-ShotLearningbyExplicitLearningandCalibrationwithoutForgetting0第一次写CSDN博客，记录一下自己看过的论文本论文出自ICCV20211对论文的理解这篇文章主要是解决了一个generalizedfew-shotlearning(GFSL)的一个问题，GFSL是在baseclass的

痛却不说话·2022-03-15 07:33

Dynamic Few-Shot Visual Learning without Forgetting阅读笔记

DynamicFew-ShotVisualLearningwithoutForgetting文章目录DynamicFew-ShotVisualLearningwithoutForgetting研究问题创新点问题设定研究方法本文最大创新点——分类权重生成器如何实现使用的数据集结论研究问题从少量样本中学习到新的概念，本文旨在设计一个小样本视觉学习系统。该系统能够在测试阶段从少量训练样本中高效地学习新的

流苏狼人·2022-03-15 07:20

论文阅读笔记《Dynamic Few-Shot Visual Learning without Forgetting》

小样本学习&元学习经典论文整理||持续更新核心思想本文提出一种不会遗忘的动态小样本学习算法，严格来讲应该也属于基于外部记忆的小样本学习算法。本文的主体结构依旧是特征提取+分类器的组合，但作者提出了两点改进。传统的分类器通常是计算类别权重向量与图像对应的特征向量之间的点乘积，作为相似性得分，并以此进行分类预测，本文采用余弦相似性度量函数取代点乘积计算方式。此外对于新的类别样本，本文并没有采用SG

深视·2022-03-15 07:46

【论文笔记】Rethinking Few-Shot Image Classification: A Good Embedding is All You Need?

一、写在前面本文是MITCSAIL&GoogleResearch在2020年关于Few-ShotLearning的又一篇力作，受ICLR2020的经典文章Abaselineforfew-shotimageclassiﬁcation启发，提出了如下假设：Embeddingsarethemostcriticalfactortotheperformanceoffew-shotlearning/metal

huyuanda·2022-03-02 14:04

few-shot learning

N-wayK-shotN-way：表示有N个类别K-shot：每一个类别中，有K个样本对于一个task，可以表示为{(s1,y),(s2,y),(s3,y),(s4,y),(s5,y)|(q1,y'),(q2,y'),(q3,y'),(q4,y'),(q5,y')}s表示的是support，即训练的数据集，q表示的querry，即测试的数据集，这个例子是一个5-shot的任务方法DualTriNe

葡萄肉多·2022-02-21 18:14

人工智能开讲：1750亿参数，史上最大AI模型GPT-3上线：不仅会写文，答题，还懂数学

我们在few-shot情况下测试了它的性能。」本周五，OpenAI提出的GPT-3在社交网络上掀起了新一阵风潮。它的参数量要比2月份刚刚推出的、全球最大深度学习模型TuringNLP大上

大数据AI人工智能专家培训讲师叶梓团队·2022-02-16 10:05

1750亿参数，史上最大AI模型GPT-3上线：不仅会写文章、答题，还懂数学

我们在few-shot情况下测试了它的性能。」本周五，OpenAI提出的GPT-3在社交网络上掀起了新一阵风潮。

算法与数学之美·2022-02-16 10:34

few-shot mini-imagenet实现t-sne可视化

参考#maindata,_=[_.cuda()for_inbatch]#遍历batchdata_support,data_query=data[:p_support],data[p_support:]#[150,3,84,84]labels_support=torch.arange(way).repeat(shot)emb_support=model(data_support)#[150,1600

vieo·2022-02-12 06:09

【机器学习】Few-shot learning（少样本学习）

文章目录少样本学习的诞生元学习少样本学习少样本学习中的相关概念概念1：SupportsetVStrainingset概念2：SupervisedlearningVSfew-shotlearning概念3：k-wayn-shotsupportset少样本学习的基本思想参考链接少样本学习的诞生人类本身能够通过极少量的样本识别一个新物体，即使是一个小孩也能凭借动物图册上的几张小小的插画记住不同的动物。在

想变厉害的大白菜·2021-11-14 10:00

论文阅读：《Multimodal Few-Shot Learning with Frozen Language Models》

在多个few-shot场景下的测试表明，此文的算法在多模态少样本情况下表现出比基线较好的效果。Motivation大规模的预训练tr

z花落·2021-08-01 16:34

News ｜codes for AMeFu-Net （Depth Guided Adaptive Meta-Fusion Network for Few-shot Video Recognit...

我们开源了发表在ACMMM2020上的工作：DepthGuidedAdaptiveMeta-FusionNetworkforFew-shotVideoRecognition文章link：https://arxiv.org/abs/2010.09982codelink：https://github.com/lovelyqian/AMeFu-Net文章做的是few-shotvideoactionrec

与阳光共进早餐·2021-05-13 21:07

论文笔记丨FewRel 2.0: Towards More Challenging Few-Shot Relation Classification

作者：凯单位：燕山大学code:https://github.com/thunlp/fewrelpaper:https://www.aclweb.org/anthology/D19-1649.pdfFewRel2.0:TowardsMoreChallengingFew-ShotRelationClassification问题介绍FewRel2.0BERT-PAIR模型问题小样本关系分类有两个挑战：

期待成功·2021-05-11 19:41

论文笔记丨Multi-Level Matching and Aggregation Network for Few-Shot Relation Classification

作者：魏启凯单位：燕山大学论文：https://arxiv.org/pdf/1906.06678.pdfcode：https://github.com/ZhixiuYe/MLMAN来源：ACL2019创新：提出一种多级匹配和聚合网络，以交互的方式来encode查询集实例和类原型。设计了一种辅助lossfunction。问题定义：小样本任务是最近两年流行起来的任务，训练集和测试集均分支持集和查询集。

期待成功·2021-04-27 10:45

[医学小样本分割]Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative

XL_Dylan·2021-04-25 14:01

论文阅读（51）MetaGAN: An Adversarial Approach to Few-Shot Learning

续袁·2021-04-25 05:50

论文 | 小样本视频动作识别论文整理 few-shot video action recognition

一写在前面未经允许，不得转载，谢谢～～～碎碎念～距离上次更文也有一段时间了，日子一天天地过的好快呀，中间有段时间生活有点失去自控力了==仅剩下的三个月要加油呀！！！⛽️⛽️⛽️这篇文章主要整理一下小样本视频动作识别(few-shotvideoactionrecognition)的相关文章，相比于图像领域的小样本动作识别而言，目前针对视频动作识别的研究还是相对比较少的。二文章list列一下近期的一些

与阳光共进早餐·2021-04-21 17:26

[小样本医学图像]‘Squeeze & Excite’ Guided Few-Shot Segmentation of Volumetric Images

“挤压和刺激”引导的Few-shot体图像分割（MedicalImageAnalysis2020）论文地址开源代码摘要我们提出了一种新颖的Few-Shot框架，用于只有少量注释切片的体医学图像分割。

XL_Dylan·2021-04-20 15:12

Paper Reading for Few-Shot Learning (1)

目录：0_2.png001_ICML2015:Siameseneuralnetworksforone-shotimagerecognition1_1.png这篇文章的主要目的是为了监测铁轨上的异常情况。BenchmarksDatabase全都是包含铁轨的图片，Trainingdata是不包含铁轨的图片。两幅图片首先由CNN映射成featurevector，然后计算这两个向量之间的距离，我们就可以得

oneoverzero·2021-04-19 15:32

论文笔记：Few-Shot Segmentation Without Meta-Learning : A Good Transductive Inference Is All You Need

好久好久没有记录笔记了~感觉还是分享出来的印象更深刻一些~让自己多思考一点点摘要：inference的方式对fsl的分割任务性能有着巨大的影响，而这一点往往被其他论文忽视，转而偏向元学习的范式。文章提出了transductive的inference方式，即：对每个queryimage，统计其unlabeled像素的信息，通过优化包含三个互补项的新损失1.intro目前常见的FSL论文都是基于元学习

咖喱波特·2021-04-17 20:30

[小样本分割]Few-Shot Segmentation Without Meta-Learning: A Good Transductive Inference Is All You Need?

没有元学习的Few-Shot分割:一个好的转导推理是你所需要的吗?（CVPR2021）本文的从构建推理过程入手，而非对网络结构进行设计，巧妙利用了转导推理实现了超高的性能！

XL_Dylan·2021-04-13 15:45

[小样本图像分割]Adaptive Prototype Learning and Allocation for Few-Shot Segmentation

自适应原型学习和分配的Few-Shot分割（CVPR2021）论文地址开源代码摘要Few-Shot分割大多使用原型学习的思想，通常通过对全局对象信息的平均来从支持特征中获得单个原型。

XL_Dylan·2021-04-09 15:04

[小样本图像分割]Self-Guided and Cross-Guided Learning for Few-Shot Segmentation

用于FewShot分割的自引导和交叉引导学习（CVPR2021）论文地址摘要FewShotSegmentation由于能够有效地分割少量带注释样本的未见对象类而备受关注。现有的方法大多使用掩码全局平均池化(GAP)将带注释的支持图像编码为特征向量，以方便查询图像分割。然而，由于平均操作，这一操作不可避免地丢失了一些判别信息。在本文中，我们提出了一种简单但有效的自我引导学习方法，其中丢失的关键信息被

XL_Dylan·2021-04-05 11:28

Temporal-Relational CrossTransformers for Few-Shot Action Recognition

这篇文章用到了transformer来对视频帧进行时序信息探索，网络结构是基于原型网络进行改进的，代码已开源。paper:https://arxiv.org/abs/2101.06184code:https://github.com/tobyperrett/trxMotivation在该文章之前，小样本学习方法都是将query视频和support集视频中最好的视频相比，或是和所有视频匹配，最后取平

秃头嘤嘤魔·2021-04-01 11:41

Few-Shot Segmentation Without Meta-Learning: A Good Transductive Inference Is All You Need?阅读笔记

首先声明一下，是个刚入门的小菜鸡，大部分里面的内容都带有了自己的理解。如果发现哪里有问题，欢迎指正！本文引入了一种转换推理，通过优化一个新的损失函数，利用了任务中的无标签像素，这个损失包含三个部分：1.在标签像素上的标准交叉熵；2.在无标签像素上的后验熵；3.基于预测前景区域部分的一个全局KL正则器。本文使用了提取特征的一个简单的线性分类器，拥有与推理方法（inductiveinference）可

喵喵喵喵诺·2021-03-31 17:38

[小样本图像分割]Prior Guided Feature Enrichment Network for Few-Shot Segmentation

用于小样本图像分割的先验引导特征增强网络（PFENet）论文地址Github开源代码目前存在的问题现有的Few-ShotSegmentation方法普遍存在的问题包括高级特征的误用导致的泛化损失以及查询样本和支持样本之间的空间不一致。本文贡献(1)一种无需训练的先验掩模生成方法，不仅保留了模型的泛化能力，而且提高了模型的性能。(2)特征增强模块，一种使用支持特征（supportfeature）和先

XL_Dylan·2021-03-20 16:11

小样本学习综述Generalizing from a Few Examples-A Survey on Few-Shot

这是我的第一篇写在CSDN上的博客，日后有空的话会持续更新一些关于小样本学习和弱监督半监督医学图像相关的论文笔记和代码。。。估计也没啥人看，就当给自己看。话不多说，先贴上论文链接https://arxiv.org/abs/1904.05046，小样本学习是一个非常有前景的方向，这篇综述也在持续更新中，非常值得一读。摘要机器学习在数据密集型应用中非常成功，但当数据集很小时，它常常受到阻碍。为了解决这

XL_Dylan·2021-03-13 15:39

论文阅读：《A Broader Study of Cross-Domain Few-Shot Learning》

三月啦！我又来更新论文阅读了~下一次更新应该是回学校啦！好快~一个年就过了要收心学习啦！这次还是小样本域适应的文章。论文名称：《ABroaderStudyofCross-DomainFew-ShotLearning》论文地址：https://arxiv.org/abs/1912.07200论文阅读参考：https://zhuanlan.zhihu.com/p/257805250?utm_sourc

LiBiscuit·2021-03-03 11:47

ECCV 2020 目标检测论文大盘点（49篇论文）

目录2D目标检测旋转目标检测视频目标检测弱监督目标检测域自适应目标检测Few-Shot目标检测水下目标检测目标检测对抗攻击其他2D目标检测目标检测2D目标检测End-to-EndObjectDetectionwithTransformersDETR

于小勇·2021-02-16 19:10

AAAI2021知识图谱论文集

知识图谱论文中，热点关键词：knowledge-xxx(guided,enhanced,enriched,aware)，few-shot(zero-shot,meta)learning，知识表示学习知识图谱表征

华师数据学院·王嘉宁·2021-02-11 10:59

更适合文本分类的轻量级预训练模型解析

GPT-3不仅仅是“变得更大”，它用“Few-Shot”学习替代了FineTune，能够出色完成代码生成、领域问答、吉他谱曲等高难度的复合型NLP任务。那么，在相

·2021-02-05 11:33

DAY-6 8篇小样本学习 (few-shot learning)

DAY-68篇小样本学习(few-shotlearning)原文连接：https://bbs.cvmart.net/articles/1558GraphFew-shotLearningviaKnowledgeTransfer（通过知识迁移的图小样本学习），AAAI2020提出“一种基于辅助图的先验知识的图小样本学习（GFL）算法”AdarGCN:AdaptiveAggregationGCNforF

Sylvia_Lan·2021-02-04 15:04

知物由学 | 更适合文本分类的轻量级预训练模型

GPT-3不仅仅是“变得更大”，它用“Few-Shot”学习替代了FineTune，能够出色完成代码生成、领域问答、吉他谱曲等高难度的复合型NLP任务。那么，在相反的

网易易盾·2021-01-26 19:40

《Edge-Labeling Graph Neural Network for Few-shot Learning》解读

文献地址：https://arxiv.org/abs/1905.01436摘要EGNN：边标记图神经网络【将边标签图上的深度神经网络用于FSL】与平时用于FSL的GNN的区别平时的GNN采用的是基于节点标记框架的，其隐式地对类内相似和类间不同建模来更新节点的标签EGNN采用的是基于边标记框架的，显式地对类内相似和类间不同来迭代更新边的标签，从而实现聚类进化【聚类进化：一种新的聚类方式，用于解决时间

墨染青clothing·2020-11-24 10:42

Leveraging the Feature Distribution in Transfer-based Few-Shot Learning——论文翻译&笔记

摘要在基于迁移的小样本学习中利用特征分布过去，优秀的backbone和有效的后处理，使得基于transfer的方法达到了最强的性能。基于这一思路，本文提出了一种新的基于transfer的方法，在两点做了改进：对特征向量预处理，使其接近高斯分布利用一种optimal-transport启发式算法，进行预处理1.Intro基于迁移结构（也叫backbone结构）：通常训练的域与实际的域并不相同。所以，

咖喱波特·2020-11-15 23:25

论文阅读:《Adaptive Subspaces for Few-Shot Learning》

十月了2020年的最后一个假期也过了然而还是没有收心好好科研害来更新一下的最近的论文阅读。论文名称：《AdaptiveSubspacesforFew-ShotLearning》论文地址：http://openaccess.thecvf.com/content_CVPR_2020/papers/Simon_Adaptive_Subspaces_for_Few-Shot_Learning_CVPR_2

LiBiscuit·2020-10-09 19:59

A survey on Few-shot Learning （小样本学习）

AsurveyonFew-shotLearning（小样本学习）机器学习已经成功地在数据密集型任务上得以应用，但通常却不能够处理数据很少的情况。最近，小样本学习（Few-shotLearning，FSL）被提出用于解决这个问题。在先验知识的基础上，FSL可以有效的涵盖一个只有极少监督信息数量样本的新任务。本文，我们将对小样本学习FSL进行一个系统的梳理。首先给出FSL一个形式化的定义，其次根据

华师数据学院·王嘉宁·2020-09-25 17:11

Few-shot Learning survey-精简高效版-小样本综述

一、Few-shotLearning问题定义Few-shotLearning是MetaLearning在监督学习领域的应用。MetaLearning（元学习），又称为learningtolearn，在metatraining阶段将数据集分解为不同的metatask，去学习类别变化的情况下模型的泛化能力，在metatesting阶段，面对全新的类别，不需要变动已有的模型，就可以完成分类。形式化来说，

mohong96·2020-09-16 23:20

few-shot learning ---综述

,QUANMINGYAO2019IBM-小样本学习（Few-shotLearning）Stateoftheart方法及论文讲解CVPR2019提前看：少样本学习专题数据增广模型多任务学习多任务学习用于few-shot

xys430381_1·2020-09-16 22:12

Few-shot learning（少样本学习）和 Meta-learning（元学习）

目录（一）Few-shotlearning（少样本学习）1.问题定义2.解决方法2.1数据增强和正则化2.2Meta-learning（元学习）（二）Meta-learning（元学习）1.学习微调(LearningtoFine-Tune)2.基于RNN的记忆(RNNMemoryBased)3.度量学习(MetricLearning)4.方法简单比较5.未来方向5.1更好的meta-learnin

fkyyly·2020-09-14 18:15

论文阅读笔记 [ICLR 2018] Meta-Learning For Semi-Supervised Few-Shot

半监督小样本分类的元学习论文原文链接：https://arxiv.org/abs/1803.00676摘要在小样本分类中，人们感兴趣的学习算法是，仅根据少量带标记样例训练分类器的算法。元学习是近年来小样本分类研究的一大特色，元学习定义了一个学习算法的参数化模型，并在代表不同分类问题的片段上进行训练，每个片段都有一个小的带标记训练集和相应的测试集。本文中，作者将这种小样本分类模式推进到一个新场景中，

勇敢的仙人掌·2020-09-12 16:55

论文阅读笔记 Prototypical Networks for Few-shot Learning

小样本学习的原型网络论文原文链接：https://arxiv.org/abs/1703.05175摘要作者提出了一种小样本分类问题的原型网络，在这种网络中，分类器必须推广到训练集中没有的新类别，每个新类别只有少量样例。该原型网络学习一个度量空间，通过计算每个类的原型表示的距离进行分类。与最近的小样本学习方法相比，该方法反映出更简单的归纳偏好，这有益于这种有限数据的状况，因此取得了出色的效果。作者给

勇敢的仙人掌·2020-09-12 16:23

小样本学习（Few-shot Learning）在图像领域的研究现状

最近在做华为杯的竞赛，涉及小样本学习，总结一下相关的知识及论文小样本学习（Few-shotLearning）在图像领域的研究现状1.introduction1.1注意力机制1.2LSTM（Longshort-termmemory）2.小样本学习（Few-shotLearning）2.1基于度量的小样本学习（MetricBased）（主流方法）2.1.1孪生网络（SiameseNetwork）2.1

gcheney·2020-08-22 12:01

few-shot learning(少样本学习) & one-shot learning(一样本学习)

人类非常擅长通过极少量的样本识别一个新物体，比如小孩子只需要书中的一些图片就可以认识什么是“斑马”，什么是“犀牛”。在人类的快速学习能力的启发下，研究人员希望机器学习模型在学习了一定类别的大量数据后，对于新的类别，只需要少量的样本就能快速学习，这就是Few-shotLearning要解决的问题。Few-shotLearning是MetaLearning在监督学习领域的应用这里的少样本学习的研究领域

hxxjxw·2020-08-21 03:34

TADAM: Task dependent adaptive metric for improved few-shot learning阅读笔记

人类通过看少数样例甚至是一个样例后，就可以学会识别从未见过的新类别，当然我们希望机器也可以具备这样的能力，所以近些年few-shotlearning得到了广泛的关注，它的目标可以概括为构建一个可以从少量标记数据中进行归纳的模型。这里我们举个例子来描述小样本算法中的一个经典任务。在5-way5-shot任务中，我们有25张图片做为supportset，其中包含5张猫类照片，5张狗类张片，5张人类照片

小菜鸟快快飞·2020-08-17 21:41

Zero-shot Learning / One-shot Learning / Few-shot Learning/传统 Learning

Introduction在迁移学习中，由于传统深度学习的学习能力弱，往往需要海量数据和反复训练才能修得泛化神功。为了“多快好省”地通往炼丹之路，炼丹师们开始研究Zero-shotLearning/One-shotLearning/Few-shotLearning。爱上一匹野马(泛化能力)，可我的家里没有草原(海量数据)。Learning类型分为：Zero-shotLearning、One-shot

Deep_learning_blog·2020-08-17 04:58

(PaddlePaddle 论文复现) Few-shot Video-to-Video Synthesis解读（一）起源

PaddlePaddle论文复现课程链接https://aistudio.baidu.com/aistudio/education/group/info/1340Few-shotVideo-to-VideoSynthesis解读（一）起源Few-shotVideo-to-VideoSynthesis使用了GAN的基础原理，在应用领域上，可以分类到图像翻译。既然为图像翻译领域，自然绕不过，它的三位前

m0_46655010·2020-08-17 01:34

【百度飞桨PaddlePaddle论文复现】《Few-shot Video-to-Video Synthesis》论文笔记

论文复现课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1340主要工作和之前vid2vid比较，vid2vid对于视频的合成需要对应比较人物的训练数据，同时一个目标人物的生成就需要单独训练一个模型，而fewshotvid2vid只需要少量样本，甚至是一张图片就可以使用一个模型生成为未见过的目标人物视频。如图像1所示：图1

学er时习之·2020-08-16 23:13

百度强化学习训练营心得

模仿学习、few-shot等概念在查资料过程中不断蹦出，猝不及防。也许，这次学习，与其类比快餐，不如

nikankind·2020-08-16 13:40

推荐频道

Few-Shot