原创 論文閱讀筆記《Few-shot Object Detection via Feature Reweighting》
核心思想 本文提出一種小樣本目標檢測算法。整體網絡結構採用單階段目標檢測的形式，利用一個預測網絡同時輸出目標框的位置及類別結果。網絡結構如下圖所示 首先，查詢集圖片III經過特徵提取網絡D\mathcal{D}D得到對應
2020-06-22 00:32:31
原创 論文閱讀筆記《Incremental Few-Shot Object Detection》
核心思想 本文提出一種可以進行增量式學習的小樣本目標檢測算法（ONCE），相較於其他的小樣本目標檢測算法而言，本文的優勢在於，當在基礎數據集上訓練完成後，可以直接使用新的小樣本數據集進行推斷，而且這個過程不會忘記基礎數據集中的
2020-06-22 00:32:31
98
原创 論文閱讀筆記《LSTD: A Low-Shot Transfer Detector for Object Detection》
核心思想 本文提出一種基於遷移學習的小樣本目標檢測算法（LSTD）。常見的遷移學習方法就是在一個大規模的數據集，也稱作源數據集（source domain）上進行預訓練，然後再在小樣本數據集，也稱作目標數據集（traget d
2020-06-22 00:32:31
原创 論文閱讀筆記《Conditional networks for few-shot semantic segmentation》
核心思想 本文提出一種可以利用稀疏標籤實現小樣本語義分割任務的算法（co-FCN）。整個網絡的結構與上篇文章《One-Shot Learning for Semantic Segmentation》提出的雙分支網絡非常相似，同
2020-06-16 14:04:43
原创 論文閱讀筆記《PANet: Few-Shot Image Semantic Segmentation with Prototype Alignment》
核心思想 本文提出一種基於原型網絡的小樣本語義分割算法(PANet)。該算法沿用了原型網絡（Prototypical Network）中距離度量的思想，首先利用特徵提取網絡提取支持集和查詢集圖像的特徵圖，然後利用二元的分割圖像
2020-06-16 14:04:43
原创 論文閱讀筆記《One-Shot Learning for Semantic Segmentation》
核心思想 本文提出一種解決小樣本語義分割問題的方法。整個網絡分成兩個分支：條件分支（Conditioning Branch）和分割分支（Segmentation Branch），網絡的結構如下圖所示。 條件分支對應的是支
2020-06-16 14:04:43
1
原创 論文閱讀筆記《Power Normalizing Second-order Similarity Network for Few-shot Learning》
核心思想 本文提出一種基於二階統計量進行相似性度量的小樣本學習算法。二階統計量如：方差、協方差、二階矩、自相關函數、功率譜、互相關函數、互功率譜等在圖像細化和場景理解等視覺領域有着較爲廣泛的應用，但採用二階統計量進行特徵表達，
2020-06-14 09:03:49
原创 論文閱讀筆記《TADAM: Task dependent adaptive metric for improved few-shot learning》
核心思想 本文在基於度量學習的小樣本算法的基礎上提出了幾點改進方案：度量放縮（Metric Scaling），任務條件（Task Conditioning）以及輔助任務合作訓練（Auxiliary task co-traini
2020-06-14 09:03:49
7
原创 論文閱讀筆記《Deep Meta-Learning: Learning to Learn in the Concept Space》
核心思想 本文提出一種深度元學習的方法用於解決小樣本學習問題，作者指出原有的元學習算法都是基於實例空間（instance space）進行學習的，而即使是同類物體，其受到光照，背景，位置等因素的影響，外表差異也非常大，因此許多
2020-06-14 09:03:49
原创 論文閱讀筆記《Adaptive Cross-Modal Few-shot Learning》
核心思想 本文在度量學習的基礎上結合了語義信息實現小樣本學習任務。作者的核心觀點是在小樣本條件下，有些時候圖像特徵信息具有較高的區分度，而有些時候語義信息具有較高的區分度，爲了提高分類的準確度，作者提出一種自適應模態混合機制（
2020-06-14 09:03:49
3
原创 論文閱讀筆記《Dynamic Few-Shot Visual Learning without Forgetting》
核心思想 本文提出一種不會遺忘的動態小樣本學習算法，嚴格來講應該也屬於基於外部記憶的小樣本學習算法。本文的主體結構依舊是特徵提取+分類器的組合，但作者提出了兩點改進。傳統的分類器通常是計算類別權重向量與圖像對應的特徵向量之間的
2020-06-14 09:03:49
原创 論文閱讀筆記《Few-Shot Learning with Metric-Agnostic Conditional Embeddings》
核心思想 本文提出一種基於度量學習的小樣本學習算法，思想上與Relation Network接近，沒有明確定義一種度量方法，而是利用卷積神經網絡學習並利用softmax層輸出屬於各個類別的概率值，但在結構上與Relation
2020-06-14 09:03:49
原创 論文閱讀筆記《Semantic Feature Augmentation in Few-shot Learning》
核心思想 本文提出利用語義信息對數據進行擴充的方法，來解決小樣本學習問題。之前採用數據增強或者說數據集擴充方式的小樣本學習算法，通常都是在圖像級別或者說特徵空間裏進行擴充，但本文利用編碼TriNet將特徵空間映射到語義空間中，
2020-06-14 09:03:38
原创 論文閱讀筆記《Learning to propagate labels: Transductive propagation network for few-shot learning》
核心思想 本文提出一種採用直推式傳播網絡（Transductive Propagation Network，TPN）的小樣本學習算法。在介紹本文之前，我們首先了解一下什麼是直推式學習（Transductive Learning
2020-06-14 09:03:38
原创 論文閱讀筆記《Memory Matching Networks for One-Shot Image Recognition》
核心思想 本文提出一種基於外部記憶的小樣本學習算法，其思想也比較簡單，首先提取支持集中圖片的特徵，並將其與對應了類別標籤構成“鍵-值對”儲存在記憶模塊中，然後對查詢集圖片進行特徵提取，並與從記憶模塊中讀取的特徵信息進行比對，選
2020-06-14 09:03:38