读论文 - 随笔分类(第2页) - 片刻的自由

TF-VAEGAN：添加潜在嵌入(Latent Embedding)的VAEGAN处理零样本学习

摘要：前面介绍了将VAE+GAN解决零样本学习的方法：f-VAEGAN-D2，这里继续讨论引入生成模型处理零样本学习（Zero-shot Learning, ZSL）问题。论文“Latent Embedding Feedback and Discriminative Features for Zero-S 阅读全文

posted @ 2024-01-10 16:44 片刻的自由阅读(519) 评论(0) 推荐(0)

f-VAEGAN-D2：VAE+GAN处理零样本学习问题

摘要：虽然f-VAEGAN-D2在题目中说“适用任意样本”，但对比的Few-shot相关的实验较少，这里仅讨论零样本学习的情况。 1. 背景介绍由于为每个对象收集足够数量的高质量带标签样本难以实现，使用有限的标签进行训练学习一直是一个重要的研究方向。零样本学习（Zero-Shot Learning, Z 阅读全文

posted @ 2024-01-07 20:09 片刻的自由阅读(518) 评论(0) 推荐(0)

Semantic Prompt for Few-Shot Image Recognition

摘要：原论文于2023.11.6撤稿，原因：缺乏合法的授权，详见此处 Abstract 在小样本学习中（Few-shot Learning, FSL）中，有通过利用额外的语义信息，如类名的文本Embedding，通过将语义原型与视觉原型相结合来解决样本稀少的问题。但这种方法可能会遇到稀有样本中学到噪声特征阅读全文

posted @ 2023-12-23 15:01 片刻的自由阅读(640) 评论(0) 推荐(1)

Meta-tuning Loss Functions and Data Augmentation for Few-shot Object Detection

摘要：论文链接：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection Abstract 现阶段的少样本学习技术可以分为两类：基于微调（fine-tuning）方法和基于元学习（meta-learning 阅读全文

posted @ 2023-11-15 19:44 片刻的自由阅读(732) 评论(0) 推荐(1)

详细了解Transformer：Attention Is All You Need

摘要：1. 背景在机器翻译任务下，RNN、LSTM、GRU等序列模型在NLP中取得了巨大的成功，但是这些模型的训练是通常沿着输入和输出序列的符号位置进行计算的顺序计算，无法并行。文中提出了名为Transformer的模型架构，完全依赖注意力机制（Attention Mechanisms），构建输入与输阅读全文

posted @ 2023-09-29 12:45 片刻的自由阅读(601) 评论(0) 推荐(1)

Semi-Supervised Domain Adaptation with Source Label Adaptation

摘要：Semi-Supervised Domain Adaptation with Source Label Adaptation 具有源标签适应的半监督域适应原文链接 Abstract 文章指出当前的半监督域适应（Semi-Supervised Domain Adaptation, SSDA）方法通常阅读全文

posted @ 2023-09-06 10:49 片刻的自由阅读(1147) 评论(0) 推荐(0)

随笔分类 - 读论文