标签:loss set shot 每个 similarity support few learning
k-ways,n-shot,support set,query,training data
support set,不在training data里
(k是support set中的类别,n是每个类别的个数)query是想要查找的图片。
1)meta-learning:learn to learn,最简单是计算相似度。
Omniglot,50个不同的字母表,1623个不同的字符,每个字符由20个不同人书写,每个图片105105像素。
Mini-imageNet 100类,每个类600样本,每个样本是8484的图片。
2)Siamese Network:孪生网络
pairwise similarity
triplet loss
if (d-)>=(d+)+a,no loss
else loss=(d+)+a-(d-)
三、pretraining and fine tunning
cosine similarity计算相似度
softmax让大的变大,小的变小,与max相类似,所以命名为softmax
entropy regularization
标签:loss,set,shot,每个,similarity,support,few,learning 来源: https://blog.csdn.net/qq_36136196/article/details/120555500
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。