原创 論文閱讀筆記《Improved Few-Shot Visual Classification》
核心思想 本文提出一種基於度量學習小樣本分類算法，在CNAPS算法的基礎上，對分類器部分進行改進，引入一種新的距離度量方式，減少了參數數量並且提高了分類的準確率。下面我們首先介紹CNAPS算法。 如上圖所示，CNAPS算
2020-07-02 15:27:07
10
原创 論文閱讀筆記《DPGN: Distribution Propagation Graph Network for Few-shot Learning》
核心思想 本文提出一種基於圖神經網絡的小樣本學習算法（DPGN）。先前基於圖神經網絡的小樣本算法通常將每個樣本當作一個結點，然後通過結點之間的關係，來推導出未知結點的類別。本文不僅關心樣本與樣本之間的關係，而且關注樣本的分佈之
2020-07-02 15:26:56
1
原创 論文閱讀筆記《Adaptive Subspaces for Few-Shot Learning》
核心思想 本文提出一種基於度量學習的小樣本分類算法（DSN）。作者引入了子空間的概念，爲每種類別都尋找到一個適合的子空間，然後在子空間中進行距離度量，並預測類別。首先作者介紹了幾種常見的基於度量學習的小樣本分類器，其分類方式如
2020-07-02 15:26:56
3
原创 論文閱讀筆記《TransMatch: A Transfer-Learning Scheme for Semi-Supervised Few-Shot Learning》
核心思想 本文提出一種基於遷移學習的半監督小樣本學習算法（TransMatch）。整個算法並不複雜，首先利用帶有標籤的基礎數據集訓練特徵提取網絡，然後用該特徵提取網絡爲新的數據集初始化分類器權重，最後用半監督學習的方式進一步更
2020-07-02 15:26:56
15
原创 論文閱讀筆記《DeepEMD: Few-Shot Image Classification with Differentiable Earth Mover’s Distance》
核心思想 本文提出一種基於度量學習的小樣本學習算法（DeepEMD）。之前的基於度量學習的小樣本學習算法通常是利用一個特徵提取網絡將支持集圖像和查詢集圖像映射到一個特徵空間，然後再設計或選擇一種距離度量方式，來描述支持集圖像和
2020-07-02 15:26:56
5
原创 論文閱讀筆記《Meta-Learning of Neural Architectures for Few-Shot Learning》
核心思想 本文提出一種基於參數優化的小樣本學習算法（MetaNAS）。本文最重要的改進就是將神經架構搜索（neural architecture search，NAS）引入到小樣本學習算法中，簡單地理解就是MAML和Repti
2020-07-02 15:26:56
15
原创 論文閱讀筆記《Attentive Weights Generation for Few Shot Learning via Information Maximization》
核心思想 本文提出一種基於權重生成的小樣本學習算法（AWGIM），這種類型的方法之前在小樣本目標檢測算法中見到過，就是直接用一個生成器生成分類器的權重參數。本文與其他相關算法（LEO）的區別在於在生成分類器權重時，不僅考慮支持
2020-07-02 15:26:56
3
原创 論文閱讀筆記《Learning to Select Base Classes for Few-shot Classification》
核心思想 本文提出一種通過優化基礎類別選擇的方式改善小樣本學習的算法。許多小樣本分類算法都是基於遷移學習的方式，首先在基礎數據集上進行預訓練，然後在新的小樣本數據集上做微調訓練。本文並沒有研究如何改善特徵提取網絡或分類器的結構
2020-07-02 15:26:56
2
原创 論文閱讀筆記《Instance Credibility Inference for Few-Shot Learning》
核心思想 本文提出一種基於數據增強的小樣本學習算法（ICI）。本文的數據增強是通過自訓練（self-training）的方式實現的，具體而言就是利用有標籤的樣本先訓練得到一個分類器，然後預測無標籤樣本，得到僞標籤。選擇僞標籤中
2020-07-02 15:26:56
2
原创 論文閱讀筆記《Adversarial Feature Hallucination Networks for Few-Shot Learning》
核心思想 本文提出一種基於數據增強的小樣本學習算法（AFHN），利用生成對抗網絡（GAN）實現數據集的擴充。數據增強的方法被認爲可以增強類內樣本方差的多樣化，從而實現更加清晰地分類界限。先前的數據增強方法主要包含兩類：一類是通
2020-07-02 15:26:56
原创 論文閱讀筆記《Boosting Few-Shot Learning with Adaptive Margin Loss》
核心思想 本文在基於度量學習的小樣本分類算法的基礎上，通過引入類別相關（class-relevant）或任務相關（task-relevant）的自適應邊緣損失（Adaptive Margin Loss），改進了原有算法的分類效
2020-07-02 15:26:56
8
原创 論文閱讀筆記《Few-Example Object Detection with Model Communication》
核心思想 本文提出一種少樣例目標檢測算法（MSPLD）。首先說明一下本文提到的“少樣例學習”（few-example learning）和我們之前瞭解的“少樣本學習”（few-shot learning）還是有一些區別的。最重
2020-06-22 00:32:31
1
原创 論文閱讀筆記《Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector》
核心思想 本文提出一種用於小樣本目標檢測的算法。整個結構採用兩階段的形式，第一階段利用RPN網絡進行定位，第二階段利用檢測器進行分類。針對這兩個階段的結構，本文做了兩點改進以滿足小樣本學習的需求。首先提出一種基於注意力的RPN
2020-06-22 00:32:31
29
原创 論文閱讀筆記《Meta R-CNN : Towards General Solver for Instance-level Low-shot Learning》
核心思想 本文基於Faster/Mask R-CNN提出一種小樣本目標檢測/分割網絡（Meta R-CNN）。文章保留了Faster/Mask R-CNN兩階段式的結構，整體網絡結構如下圖所示 首先，查詢集圖片經過特徵提
2020-06-22 00:32:31
32
原创 論文閱讀筆記《Few-Shot Class-Incremental Learning》
核心思想 本文提出一種用於解決小樣本類別增量學習（few-shot class-incremental learning, FSCIL）的算法（TOPIC）。首先解釋一下什麼是小樣本類別增量學習，模型首先在一個大規模的基礎數據
2020-06-22 00:32:31