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:
CVPR2020之MSG-GAN:简单有效的SOTA CVPR2020之姿势变换GAN:图像里谁都会劈叉? CVPR2020之多码先验GAN:预训练模型如何使用? 两幅图像!这样能训练好GAN做图像转换吗? 单图训GAN!如何改进SinGAN? 有点夸张、有点扭曲!速览这些GAN如何夸张漫画化人脸! 见微知细之超分辨率GAN!附70多篇论文下载! 天降斯雨,于我却无!GAN用于去雨如何? 脸部转正!GAN能否让侧颜杀手、小猪佩奇真容无处遁形? 容颜渐失!GAN来预测? 强数据所难!SSL(半监督学习)结合GAN如何? 弱水三千,只取你标!AL(主动学习)结合GAN如何? 异常检测,GAN如何gan ? 虚拟换衣!速览这几篇最新论文咋做的! 脸部妆容迁移!速览几篇用GAN来做的论文 【1】GAN在医学图像上的生成,今如何? 01-GAN公式简明原理之铁甲小宝篇
更多分享、长按关注本公众号: