小样本深度学习图像识别综述学习
基于数据增强
- 基本思路：通过某些方法来增强原始数据，从源头上解决数据量不足的问题
- 方法罗列：
- 生成伪数据
- 通过某些手段增强原有数据（比如翻转、旋转等操作）
- 缺点：
- 如果样本太少，数据增强也是不好用的
- 数据增强应用于实际之中容易出现知识偏移以及过拟合的问题
基于迁移学习
- 使用预训练模型训练目标域数据
基于元学习
- 元学习基本概念：是网络模型具有快速学习的能力——像人类一样，通过较少的示例就可以在较短的时间内学会分辨新的事物的能力
- 存在问题：
- 元学习算法优化难
- 元学习算法缺乏相关的可解释性
写在最后：总结来源以及论文来源如下
总结来源微信公众号推文
论文来源