Learning to Compare: Relation Network for Few-Shot Learning 论文笔记
2024-09-07 20:52:43
主要原理:
- 和Siamese Neural Networks一样,将分类问题转换成两个输入的相似性问题。
- 和Siamese Neural Networks不同的是:
- Relation Network中branch的输出和relation classifier的输入是feature map
- 而Siamese中branch的输出和classifier的输入是feature vector
其中:
g-表示关系深度网络
C-表示concatenate
f-表示特征提取网络(branch)
xi,xj- 一个表示有标签样本,另一个表示待分类样本
训练中每个episode/mini-batch包含样本数量=N*C
其中:
C = 类型数量
N = sample images + query images
论文中区分了sample images和query images,我认为没有必要,训练时无差别对待它们,能获得更多的样本组合。
结构示意图如下,其中sample的feature是K个样本feature的均值。
最新文章
- 怎么调试lua性能
- 运行jar应用程序引用其他jar包的四种方法
- Andorid 反编译App
- 分享记录我的Linux系统入门学习经验
- Python单元测试框架之pytest -- fixtures
- java多线程(二)——锁机制synchronized(同步方法)
- Sql 随机更新一条数据返回更新数据的ID编号
- Camel、Pastal、匈牙利标记法区别及联系
- Codeforces Round #192 (Div. 1) A. Purification 贪心
- iOS百度地图路径规划和POI检索详细总结-b
- MVC Unit Testing学习笔记
- 14.4.3 Adaptive Hash Index 自适应hash index
- JS+css滑动菜单简单实现
- Python操作Access数据库
- ASP.NET WebApi 简单记录
- UUShutdown关机工具 - 给 Windows8.1Metro 开始屏幕添加 关机重启按钮
- 【Linux命令】netcat 网络工具的瑞士军刀
- [转]MySQL修改时区的方法小结
- Django--CRM--菜单排序等
- PythonStudy——数据类型总结 Data type summary
热门文章
- ecshop二次开发笔记--订单表结构ecs_order_info说明
- spring @Primary-在spring中的使用(十九)
- js中的 true 与 false
- Flask 之linux部署
- PhotoShop CC2015(64位)下载链接和破解教程
- 使用Magicodes.IE快速导出Excel
- 字节跳动已经10万人了?渣本双非Android程序员怎么上车?
- .Net Core如何优雅的实现中间件
- 热血动漫番太好看了!用Python爬取了1T的动漫,内存都爆了
- 算法竞赛中的常用JAVA API :HashMap 和 TreeMap(转载)