原创 論文閱讀筆記《Generalized Zero- and Few-Shot Learning via Aligned Variational Autoencoders》
核心思想 本文提出一種基於變分自動編碼器的廣義零樣本學習算法，通過結合圖像特徵信息和描述特徵信息來構建包含重要的多模型信息的潛在特徵，並藉此實現對於未見過的（unseen）樣本的分類。要想理解本文必須要先了解兩個基礎概念：廣義
2020-06-07 22:02:22
原创 論文閱讀筆記《LaSO: Label-Set Operations networks for multi-label few-shot learning》
核心思想 本文提出一種通過標籤集合操作實現多標籤分類任務的網絡（Label-Set Operations Networks，LaSO）。作者首先爲我們舉了一個形象的例子，如下圖所示 如果我們希望訓練得到一個用於動物的分類
2020-06-07 22:02:22
原创 論文閱讀筆記《Image Deformation Meta-Networks for One-Shot Learning》
核心思想 本文是通過數據增強的形式實現小樣本學習任務，採取的方式比較直接，通過對圖片進行變形來實現數據集的擴充。作者首先爲我們展示了一組圖片，如下圖所示 可以看到上述圖片雖然經過了多種變形（如虛化，拼接，遮擋），但由於依舊保
2020-06-07 22:02:22
原创 論文閱讀筆記《Generating Classification Weights with GNN Denoising Autoencoders for Few-Shot Learning》
核心思想 本文提出一種採用圖神經網絡GNN的小樣本學習算法，本質上還是一種學習參數更新策略的元學習算法，使得模型參數能夠根據在基礎數據集上得到的模型和少量的新樣本進行更新，在適應新任務的同時，且不會忘記舊任務。整個網絡結構分成
2020-06-07 22:02:22
原创 論文閱讀筆記《Spot and Learn: A Maximum-Entropy Patch Sampler for Few-Shot Image Classification》
核心思想 本文提出一種基於最大熵圖塊採樣算法的強化學習模型來解決小樣本學習問題。作者首先提出常見的目標分類網絡都是把一整張圖片作爲輸入，進行特徵提取，然後分類。而人類在觀察事物的時候通常都會把注意力集中在部分感興趣的區域，也就
2020-06-07 22:02:22
原创 論文閱讀筆記《Finding Task-Relevant Features for Few-Shot Learning by Category Traversal 》
核心思想 本文在度量學習算法的基礎上提出了一種特徵學習模塊，用於改進原有算法特徵提取網絡的表徵能力，進而提高小樣本分類的準確性。本文設計的種類遍歷模塊（Category Traversal Module，CTM）可以作爲一種即
2020-06-07 22:02:22
原创 論文閱讀筆記《Variational Prototyping-Encoder: One-Shot Learning with Prototypical Images》
核心思想 本文提出一種利用變分自動編碼器（VAE）生成原型圖像（Prototypical Images），並利用最近鄰算法解決小樣本的圖標或標誌分類問題的算法。整個算法思想很簡單，首先作者指出實際中我們拍攝採集到的圖片通常都會
2020-06-07 22:02:12
原创 論文閱讀筆記《Few-Shot Learning with Localization in Realistic Settings》
核心思想 本文仍是基於度量學習的小樣本學習算法，但本文從實際情況出發，通過改進訓練方式，增加目標定位信息和增強特徵表達能力三個方面，改善了基於度量學習的小樣本學習算法在解決實際小樣本數據集時的能力。作者首先分析了現有的小樣本學
2020-06-07 22:02:12
3
原创 論文閱讀筆記《Baby Steps Towards Few-Shot Learning with Multiple Semantics》
核心思想 本文提出一種結合多種語義信息的小樣本學習算法。首先作者提到人類的幼兒在學習新的事物時，通常是利用多種語義信息綜合學習的，比如你給他看一隻狗，他不僅接收到視覺和簡單的語義標籤信息，你還會給他描述這隻狗有金色的毛髮，它還
2020-06-07 22:02:12
原创 論文閱讀筆記《Revisiting Local Descriptor based Image-to-Class Measure for Few-shot Learning》
核心思想 本文采用基於度量學習的方式實現小樣本學習任務，但與其他基於度量學習的方式不同，本文通過比較圖像與類別之間的局部描述子（Local Descriptor），來尋找與輸入圖像最接近的類別。本文的靈感來自於樸素貝葉斯最近鄰
2020-06-07 22:02:12
9
原创 論文閱讀筆記《Meta-Transfer Learning for Few-Shot Learning》
核心思想 本文提出一種基於遷移學習的元學習算法（Meta-Transfer Learning，MTL）用於解決小樣本學習問題，通過對深層卷積神經網絡的權重進行放縮（Scaling）和平移（Shifting），以適應新的樣本任務
2020-06-07 22:02:12
原创 論文閱讀筆記《Dense Classification and Implanting for Few-Shot Learning》
核心思想 本文是對基於度量學習的小樣本學習算法進行改進。常見的度量學習算法通常利用一個嵌入式網絡對圖像進行特徵提取，然後利用一個線性分類器進行分類。在訓練過程中得到的線性分類器權重可以看作對應每個類別的權值（class wei
2020-06-07 22:02:12
原创 論文閱讀筆記《Edge-Labeling Graph Neural Network for Few-shot Learning》
核心思想 本文采用基於圖神經網絡的算法實現了小樣本學習任務，先前基於GNN的方法通常是基於節點標籤框架，隱式地建立類內相似性和類間差異性的模型。而本文提出的邊標籤圖卷積神經網絡（Edge-labeling Graph Neur
2020-06-07 22:02:12
原创 論文閱讀筆記《TAFE-Net: Task-Aware Feature Embeddings for Low Shot Learning》
核心思想 本文提出一種利用“任務可知特徵”（Task-Aware Feature Embeddings，TAFE）進行零樣本學習或小樣本學習的算法。什麼是“任務可知特徵”呢？在平常的特徵提取網絡中，網絡權重參數和結構對於所有輸
2020-06-07 22:02:12
3
原创 論文閱讀筆記《Few-shot Learning via Saliency-guided Hallucination of Samples》
核心思想 本文提出了一種基於數據增強的小樣本學習算法。選擇Relation Network作爲Baseline，在此基礎上，利用顯著性目標檢測算法，將圖像分割成前景與背景，再將不同圖片的前景和背景進行拼合，組成更多的合成圖像，
2020-06-07 22:02:12
6