Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need

Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need(ECCV)
Abstract
​ 目前针对元学习的研究主要集中在设计一个元学习算法,尝试从少量样本中获得样本的元知识,从而将元知识泛化应用到新的任务中。小样本学习是元学习中广泛应用的重要基准(benchmarks)之一。在本文中,作者发现一个性能好的embedding model要比复杂的元学习算法更加高效。所以文章从如何获得较优性能的Embedding Model角度出发,一方面通过优化embedding model的训练过程,另一方面引入知识蒸馏(Knowledge distillation)思想,通过多次迭代进一步优化Embedding Model的特征提取能力。文章在现有主流FSL的数据集中,均取得SOTA的效果。
Introduction
使用元学

Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need最先出现在Python成神之路

版权声明:
作者:zhangchen
链接:https://www.techfm.club/p/6857.html
来源:TechFM
文章版权归作者所有,未经允许请勿转载。

THE END
分享
二维码
< <上一篇
下一篇>>