Few

2021论文解读：Learning To Count Everything

2019年，第一篇小样本物体检测的论文发布（Few-shotobjectdetectionviafeaturereweighting），2020年有Fe
skipper-f·2022-12-16 08:35

面向无监督任务：DeepMind提出神经离散表示学习生成模型VQ-VAE

同时，few-shot学习、域适应或强化学习这样具有挑战性的任务也极为依赖从原始数据学习到的表征。但以无监督方式训练的通用表征的有效性仍无法成为该领域的主流方法。最大似然和重构误差（
机器之心V·2022-12-16 06:32

CVPR2022 | 动作识别框架新范式 STRM，用最小的样本获得最高的精度

Spatio-temporalRelationModelingforFew-shotActionRecognition论文连接：https://arxiv.org/abs/2112.05132v2代码连接：https://github.com/Anirudh257/strm综述我们提出了一种few-shot
小小谢先生·2022-12-16 00:51

Class-wise Metric Scaling for Improved Few-Shot Classification (基于类的度量缩放提升小样本分类)

基于度量的小样本分类摘要我们提出了一种基于类的度量缩放(CMS)机制，它可以应用于训练和测试阶段。具体地说，在训练阶段，度量标量被设置为可学习参数，帮助学习更有区别和可转移的特征表示。在测试方面，我们构造了一个凸优化问题来生成一个最优标量向量来改善最近邻决策。此外，我们还涉及到一个低秩双线性池化层，以提升表示能力，这进一步提供了显著的性能增益。1.Introduction最近基于最接近类中心的方法
哈哈哈hhhhhh·2022-12-15 19:31

论文阅读笔记《Few-Shot Learning with Metric-Agnostic Conditional Embeddings》

小样本学习&元学习经典论文整理||持续更新核心思想  本文提出一种基于度量学习的小样本学习算法，思想上与RelationNetwork接近，没有明确定义一种度量方法，而是利用卷积神经网络学习并利用softmax层输出属于各个类别的概率值，但在结构上与RelationNetwork大有不同，并且增加了一个调节模块。整个网络分成四个阶段：特征提取阶段，相关性阶段，调节阶段和分类阶段，整个网络的结构如下
深视·2022-12-15 18:24

论文阅读：Cross Attention Network for Few-shot Classification

论文：CrossAttentionNetworkforFew-shotClassification地址：https://arxiv.org/abs/1910.07677v1code：https://github.com/blue-blue272/fewshot-CAN来源：NeurIPS2019Abstract小样本分类的目标是根据少数标注的样本去识别该类别，其中未知类别（训练类别和测试类别的不一
csCaiRujia·2022-12-15 07:35

(this may take a few minutes)

安装MongoDB始终卡在了InstallingMongoDBCompass可以将MongoDBCompass和MongoDB分开安装，安装的时候取消勾选安装MongoDBCompass安装完成之后，我们可以下载MongoDB可视化工具MongoDBCompass进行安装
一颗小行星!·2022-12-15 01:47

新加坡国立大学&哈工大提出《Incremental-DETR》，基于自监督学习的增量 Few-Shot 目标检测，性能SOTA！...

IncrementalFew-ShotObjectDetectionviaSelf-SupervisedLearning』，由新国立&哈工大提出Incremental-DETR进行基于自监督学习的增量Few-Shot
我爱计算机视觉·2022-12-13 11:46

实用机器学习笔记第八章-迁移学习

ResNet-50feature、I3Dfeature）在一个相关的任务上训练一个模型，然后在另一任务上直接使用它训练一个模型，对模型做微调（本章关注的重点）1.3相关领域半监督学习zero-shot/few-shotlea
11408考研休息室·2022-12-13 10:04

Meta-iKG Subgraph-aware Few-Shot Inductive Link Predictionvia Meta-Learning

摘要知识图的链接预测旨在预测实体之间缺失的连接。目前流行的方法仅限于一个转导的设置，很难处理看不见的实体。最近提出的基于子图的模型提供了从候选三元组周围的子图结构中预测链接的替代方法。然而，这些方法需要大量已知的三元组训练事实，并且在只有几个三元组的关系中表现不佳。在本文中，我们提出了一种新的基于子图的元学习器-Meta-iKG，用于少样本归纳关系推理。meta-ikg利用局部子图来传递子图特定的
小蜗子·2022-12-13 10:54

Learning to Customize Model Structures for Few-shot Dialogue Generation Tasks

LearningtoCustomizeModelStructuresforFew-shotDialogueGenerationTasksAbstract对于开放域对话系统来说在小数据集上训练生成模型是一件比较困难的事情。已经存在的meta-learning，它通过在非目标任务上进行预训练然后在目标任务上进行参数微调。但是，微调从参数的角度区分了任务，但忽略了模型结构的，导致对于不同任务却产生了相似
hqing159·2022-12-13 09:11

Few-Shot 小样本学习 论文检索

ReferencesDiscriminativek-shotlearningusingprobabilisticmodels.arXivpreprintarXiv:1706.00326(2017)Acloserlookatfew-shotclassification.In:ICLR(2019)【已读】Diversitywithcooperation:Ensemblemethodsforfew-sh
TBYourHero·2022-12-13 06:55

Dynamic Few-Shot Visual Learning without Forgetting||论文阅读

年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017-2019阅读1：https://blog.csdn.net/few_shot
TBYourHero·2022-12-13 06:55

2020论文阅读：Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector

文章目录文章贡献1.绪论2.有关研究2.1GeneralObjectDetection2.2Few-shotlearning3.FSOD:AHighly-DiverseFew-ShotObjectDetectionDataset4
skipper-f·2022-12-13 06:52

【论文理解 AAAI 2021】A search based fine-tuning strategy for few-shot learning

内容概览前言一、整体思想1.研究背景2.微调策略设计二、算法流程1.训练特征提取器2.遗传算法选择最优学习策略3.新类上的微调三、实验结果总结前言这篇文章被AAAI2021录用，于2021年2月挂在arxiv上，在arxiv上面的题目是PartialIsBetterThanAll:RevisitingFine-tuningStrategyforFew-shotLearning，论文的一作来自卡内基
辣椒油li·2022-12-13 06:21

Dynamic Few-Shot Visual Learning without Forgetting

摘要人类视觉系统有显著的能力去毫不费力的从零样本示例中学习新颖概念。机器学习视觉系统上模仿相同的行为是一个有趣的非常具有挑战性的研究问题，这些研究问题有许多实际的优势在真实世界视觉应用上。在这篇文章中，我们目标是去设计一个零样本视觉学习系统。（afew-shotvisuallearningsystem）.在整个测试阶段，其有能力从一些训练数据中有效的学习新颖类别。于此同时，其将不会遗忘其被训练的初
big_matster·2022-12-13 06:17

距离你解决小样本/少数据难题，只差这篇文章

小样本学习变体Zero-ShotLearning(ZSL)One-Shot和Few-Shot小样本学习方法数据级方法参数级方法Few-Show目标检测YOLOMAML小样本解决方法进阶总结如今，在使用数十亿张图像来解决特定任务方面
cv君·2022-12-13 02:05

CVPR2022：使用完全交叉Transformer的小样本目标检测

关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式论文地址：https://openaccess.thecvf.com/content/CVPR2022/papers/Han_Few-Shot_Object_Detection_With_Fully_Cross-Transformer_CVPR
计算机视觉研究院·2022-12-12 22:45

Relational Learning with Gated and Attentive Neighbor Aggregator for Few-Shot Knowledge Graph Comple.

小样本知识图补全——关系学习。利用三元组的邻域信息，提升模型的关系表示学习，来实现小样本的链接预测。主要应用的思想和模型包括：GAT、TransH、SLTM、Model-AgnosticMeta-Learning(MAML)。论文地址：https://arxiv.org/pdf/2104.13095.pdf引出在WIkidata数据集中，有超大约10%的关系只被不超过10个的三元组所包含，所以要用
cnblogs.com/qizhou/·2022-12-12 20:06

【小样本分割】MSANet: Multi-Similarity and Attention Guidance for Boosting Few-Shot Segmentation

文章链接：MASNet代码链接：MSANet-code摘要小样本分割的目的是在只有少量密集标记样本的情况下分割看不见的类对象。原型学习，即从支持图像中提取的特征通过平均全局和局部对象信息生成单个或多个原型，已广泛应用于FSS。然而，仅利用原型向量可能不足以表示所有支持图像的特征。为了提取丰富的特征并进行更精确的预测，我们提出了一种多相似性和注意力网络（MSANet），包括两个新模块，一个多相似性模
栗子菜菜·2022-12-11 16:17

【CVPR2022】【小样本分类和分割】Integrative Few-Shot Learning for Classification and Segmentation

用于分类和分割的综合小样本学习文章目录Abstract一、Problemformulation二、IntegrativeFew-ShotLearning(iFSL)三、5.Modelarchitecture四、实验Abstract本文介绍了小样本分类和分割(FS-CS)的综合任务，即whenthetargetclassesaregivenwithafewexamples，对查询图像中的目标对象进行
JOJO-XU·2022-12-11 16:45

CVPR 2022 Oral 学习不分割的内容：关于小样本分割的新视角

ANewPerspectiveonFew-ShotSegmentation论文地址：https://arxiv.org/pdf/2203.07615.pdf开源代码：https://github.com/chunbolang/BAM近年来，小样本分割（Few-shotSegmentation
Morty徐同学·2022-12-11 16:14

第十二周周报

学习目标：有关DDPM+VIT的论文学习内容：1、Few-ShotDiffusionModels2、YourViTisSecretlyaHybridDiscriminative-GenerativeDiffusionModel
童、一·2022-12-11 15:54

【开集识别论文解读】Few-Shot Open-Set Recognition using Meta-Learning——CVPR2020

论文原文：https://arxiv.org/abs/2005.13713本文介绍了一种新的开集元学习算法（PEELER）算法，实验结果表明，PEELER在小样本和大规模识别方面都达到了最先进的开放集识别性能。1.Introduction开集识别目前主要的研究是在大规模环境中，使用基于大规模分类器的解决方案。这些尝试通过后处理后验类分布来识别新类，定义一个“拒绝”类，该类使用人工生成的示例或从训练
努力学习滴兔兔·2022-12-10 19:43

Meta-DETR: Few-Shot Object Detection via Unified Image-Level Meta-Learning论文笔记

Meta-DETR一、摘要二、引言三、Method1、网络结构一、摘要先前的小样本目标检测都是基于刚开始生成的好的regionproposals，但是这在小样本检测中很难获得到。本文提出了Meta-DETR，它剔除了RPN，在图片级别利用元学习统一得到class和location，它首先将支持图像和查询图像编码为类别相关的特征，然后将它们输入与类别无关的解码器，以直接生成特定类别的预测。还设计了一
weixin_43981952·2022-12-10 18:32

Meta-DETR: Image-Level Few-Shot Object Detection with Inter-Class Correlation Exploitation个人理解和待解决疑问

get到的点该方法和传统meta小样本学习方法：之前的方法单次比对一个supportclass的相似度，本文同时比较所有supportclass，从而利用到了class之间的关联性；有些传统方法需要先保证生成正确的region，本文是全局搜索；misclassify的原因之一是一些外观类似的class在（余弦相似度）特征空间下距离很近，分类器没有学习到它们之间的关联性；理解一点点（针对自己不懂的地
qq_41064487·2022-12-10 18:31

自监督论文阅读笔记 Incremental-DETR：Incremental Few-Shot Object Detection via Self-Supervised Learning

增量少样本目标检测的目的是在不忘记基类知识的情况下检测出新类，只需从新类中提取少量标记的训练数据。之前的增量目标检测方法依赖于每个新类的丰富训练样本的可用性，这在很大程度上限制了新数据可能稀少的真实环境的可扩展性。Incremental-DETR（增量DETR）：通过对DETR目标检测器进行微调和自监督学习来进行增量少样本目标检测。为了缓解使用少量新类数据导致的严重过拟合，首先通过使用选择性搜索作
YoooooL_·2022-12-10 18:28

Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference

ExploitingClozeQuestionsforFewShotTextClassificationandNaturalLanguageInference代码Pattern-ExploitingTraining(PET)模式开发训练，一种半监督训练程序，将输入示例重新表述为完形填空式短语，以帮助语言模型理解给定任务。然后使用这些短语将软标签分配给大量未标记的样本。这个笔记挺好的介绍由于大量的语
爱格白·2022-12-09 14:07

few-shot learning 基本概念及其网络模型

GOAL:totrainamodelonavarietyoflearningtasks,suchthatitcansolvenewlearningtasksusingonlyasmallnumberoftrainingsamples.引言：从人脸识别说起，若一个公司有50个人，需要做一个人脸识别系统。倘若按照传统的深度学习思想，那应该把识别结果分成51类（50个公司成员+1非公司成员）。那么要训练
liu_xfx·2022-12-09 02:22

few-shot segmentation 2022年数据

一、fss整合数据，在Pascal-5i上的结果MSANet（CVPR22）DCAMA（ECCV22）(pascal+coco)DGPNet(ICCV22)(pascal+coco)IPMT（NeurlPS22）DCP(IJCAI22)BAM(CVPR22)NTRENet(CVPR22)二、fss在COCO-20i上的结果MSANet（CVPR22）IPMT（NeurlPS22）DCP(IJCAI
师大云帆·2022-12-09 02:20

Few-shot learning（少样本学习，入门篇）

本文介绍一篇来自https://www.analyticsvidhya.com/关于少样本学习的的博客。原文地址文章目录1.少样本学习1.1为什么要有少样本学习？什么是少样本学习？1.2元学习和传统有监督学习的区别是什么？1.3一个小例子1.4再回来看少样本学习——从`supportset`到`query`2.少样本学习预测的准确率3.少样本学习的应用4.少样本学习的数据集5.我对少样本学习的一些
小学生mistluo·2022-12-09 02:19

Few-shot Segmentation 论文阅读总结

目录One-shot/Few-shotsegmentation一般任务设置paper1：One-ShotLearningforSemanticSegmentationBMVC2017paper2:CONDITIONALNETWORKSFORFEW-SHOTSEMANTICSEGMENTATIONICLR2018paper3
jcli1_14·2022-12-09 02:45

论文阅读《Incremental Few-Shot Object Detection》

Background＆Motivation目标检测领域一阶段和二阶段的网络都不是增量学习的模式，本文的方法是基于一阶段的CentreNet。小样本分类任务的方法各式各样，其思想应该是小样本检测任务的创新源泉。文章提出了一个增量学习的范式（IncrementalFew-ShotDetection，iFSD）：使用Base数据完成对模型的预训练。这个模型部署到设备上后，设备应该能随时接收数据量很少的N
不说话装高手H·2022-12-09 02:41

深度学习few shot模型创新点总结

1、ASGNet（CVPR21）使用聚类和分配的思想，Cluster模块将supportprototypes聚合成一个质心，再通过Allocate模块将质心分散，与queryprototypes进行原型对比，从而得到分割结果。2、DCP（IJCAI22）divideandconquer的思想（分而治之），通过backbone前三层，加一个seg模块得到supportimage的预测掩码，预测掩码与
师大云帆·2022-12-09 02:10

【阅读笔记】Combat data shift in few-shot learning with knowledge graph

然而，在现实世界的应用中，few-shot学习范式经常受到数据偏移的影响，即不同任务中的样本，即使是同一个任务中，也可以从不同的数据分布中提取。
一只瓜皮呀·2022-12-08 19:09

Limited Data Rolling Bearing Fault Diagnosis With Few-Shot Learning(基于小样本学习的有限数据滚动轴承故障诊断)

LimitedDataRollingBearingFaultDiagnosisWithFew-ShotLearning基于小样本学习的有限数据滚动轴承故障诊断摘要这一篇文章主要研究有限训练数据下的轴承故障诊断问题。故障诊断中的一个主要挑战是，在所有工作条件下，无法为每种故障类型获取足够的训练样本。近年来，基于深度学习的故障诊断方法取得了可喜的成果。然而，这些方法大多需要大量的训练数据。在这项研究中
搬砖小孩Superme·2022-12-08 16:58

小样本学习记录————利用所有数据的元学习Few-shot Text Classification with Distributional Signatures

小样本学习记录————利用所有数据的元学习Few-shotTextClassificationwithDistributionalSignatures在计算机视觉中，低水平的模式是可以跨学习任务迁移的。
云溪龙·2022-12-08 14:01

小样本学习记录————文本中特征空间的数据增强MEDA： Meta-Learning with Data Augmentation for Few-Shot Text Classification

MEDA:Meta-LearningwithDataAugmentationforFew-ShotTextClassification出发点数据增强球合成器合成模块Synthesismodule转换模块Transformationmodule损失函数球生成器部分损失函数元学习损失训练策略实验数据集结语出发点对于小样本学习文本分类问题中，限制其性能的主要原因之一是因为对于每一个类别有多种的表示方式。
云溪龙·2022-12-08 14:01

小样本学习记录————在提取特征中对抗的小样本Meta-Learning Adversarial Domain Adaptation Network for Few-Shot（MLADA）

小样本学习记录————在提取特征中对抗的小样本Meta-LearningAdversarialDomainAdaptationNetworkforFew-Shot（MLADA）Meta-LearningAdversarialDomainAdaptationNetworkforFew-Shot几篇经典文献元学习对抗性领域自适应网络(MLADA)网络结构训练过程算法效果Meta-LearningAdv
云溪龙·2022-12-08 14:31

孪生神经网络_Fewshot Learning(小样本学习) 之Siamese Network(孪生神经网络)

常说的one-shotlearning和few-
weixin_39633774·2022-12-08 14:29

元学习系列（四）：Matching Network（匹配网络）

对一个小孩子来说，只要你展示了一次斑马的样子，以后他就能指出什么是斑马了，整个学习的过程只有一个样本，但是对深度学习算法来说还远远达不到这种学习程度，所以研究如何通过小样本甚至一个样本进行学习，就成为了few-shot
JessssseYule·2022-12-08 14:24

小样本学习Few-Shot Learning——孪生网络Siamese Networks、匹配网络Matching Networks、原型网络Prototypical Networks 的简单总结

1.小样本学习Few-ShotLearning1.1小样本学习要解决的问题以图片分类这个任务举例，使用神经网络模型的传统做法是：先使用大量带标签的猫和狗的图片训练模型，然后让训练好的模型给不在训练集中的猫和狗的图片做分类
Hanjieee·2022-12-08 14:23

one/few-shot segmentation 笔记

Task对某一类别c1，选择已有标注的样本作为support，待测样本为query，model以support为参考去分割query。C-wayK-shot：C为类别数；分割每个query使用K个supportimagesSolution提取support和query的feature，将两者的feature进行比对。训练时借助其他类别的标注数据去训练model。数据集pascal-5i每个sub-
DreamLike_zzg·2022-12-08 13:36

AAAI2021中事件抽取、关系抽取、NER、NLP相关的Few-Shot和Zero-Shot论文整理

小编整理了其中有关事件抽取、关系抽取、NER、以及与NLP问题相关的Few-Shot和Zero-Shot相关论文题目，希望能对大家的研究有一点帮助嗷!
御风而行Carrie·2022-12-08 13:36

FSCIL论文详解 Few-Shot Class-Incremental Learning， CVPR2020

CVPR2020论文地址：https://arxiv.org/pdf/2004.10956.pdfCVPR2020本篇，FSCIL，西交大提出的。将NG网络运用到增量学习之中。ECCV2020，TPCIL，也是西交大的同一个人发的，TopologyPreservingClass-Incrementallearning，同样的框架，即CNN+拓扑结构，部分内容换了一个写法。CVPR2021与本篇非常
祥瑞Coding·2022-12-08 12:41

论文阅读笔记《Few-Shot Class-Incremental Learning》

小样本学习&元学习经典论文整理||持续更新核心思想  本文提出一种用于解决小样本类别增量学习（few-shotclass-incrementallearning,FSCIL）的算法（TOPIC）。
深视·2022-12-08 12:40

小样本学习--动作识别--文章（持续更新）

Few-shotLearning&ActionRecognition--论文CMN(CompoundMemoryNetworks),ECCV2018TARN(TemporalAttentiveRelationNetwork
fadedtj·2022-12-08 09:14

深度学习异常检测_深度few-shot异常检测

入门,利用一些标记的异常实例执行异常通知的异常检测由于缺乏大规模的标记异常数据，现有的(深度或浅度)异常检测方法通常被设计为无监督学习(针对完全未标记的数据进行训练)或半监督学习(针对仅标记的正常数据进行训练)。结果，当在许多现实世界中的异常检测应用中可获得这样的信息时，他们难以利用先验知识(例如，一些标记的异常)。这些有限的标记异常可能源自已部署的检测系统，例如一些成功检测到的网络入侵记录，也可
Bin Ho·2022-12-07 23:54

Few-Shot Scene-Adaptive Anomaly Detection 少镜头场景的自适应异常检测

摘要我们解决了视频中的异常检测问题。目标是通过专门从正常视频中学习来自动识别异常行为。大多数现有方法通常需要大量数据，并且泛化能力有限。他们通常需要在目标场景的大量视频上进行训练，才能在该场景中取得良好的效果。在本文中，我们提出了一个新的少镜头场景自适应异常检测问题，以解决以往方法的局限性。我们的目标是学会在以前看不见的只有几帧的场景中检测异常。这个新问题的可靠解决方案在现实世界的应用中将有巨大的
加一点点醋·2022-12-07 23:23

论文阅读笔记《Few-shot Classification via Adaptive Attention》

小样本学习&元学习经典论文整理||持续更新核心思想  本文提出一种基于注意力机制的小样本学习算法。作者认为基于参数优化的元学习算法优化过程过于复杂，而基于度量学习的小样本学习算法，虽然更加简单有效，但缺少对于新任务的适应能力。本文利用注意力机制根据支持集图像的特征图和查询集图像的特征图，得到对应的注意力图(AttentionMaps)，将注意力图与查询集图像的特征图做逐元素相乘，得到了优化后的特征
深视·2022-12-07 23:23
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他