查看原文
其他

中文论文 |《基于深度神经网络的少样本学习综述》

点击上方机器学习与生成对抗网络”,关注"星标"

获取有趣、好玩的前沿干货!



最近深度神经网络已经在监督识别任务上取得了令人振奋的突破,但是深度神经网络要求每个类都有足够多的且完全标注的训练数据。如何从少数训练样本中学习并识别新的类别,对于深度神经网络来说是一个具有挑战性的问题。针对如何解决少样本学习的问题,全面总结了现有的基于深度神经网络的少样本学习方法,涵盖了方法 所用模型、数据集及评估结果等各个方面。具体地,针对基于深度神经网络的少样本学习方法,提出将其分为四种 类别,即数据增强方法、迁移学习方法、度量学习方法和元学习的方法;对于每个类别,进一步将其分为几个子类别,并且在每个类别与方法之间进行一系列比较,以显示各种方法的优劣和各自的特点。最后,强调了现有方法的局限性,并指出了少样本学习研究领域的未来研究方向.


原文地址:http://www.arocmag.com/article/02-2020-08-002.html


公众号后台回复 少样本 即可获取PDF全文。

部分摘录如下:






公众号近期荐读:


GAN&CV交流群,无论小白还是大佬,诚挚邀您加入!
一起讨论交流!长按备注【进群】加入:

更多分享、长按关注本公众号:

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存