利用预训练与样本增强的少样本学习
机器学习
2020-09-22 v1 计算机视觉与模式识别
摘要
我们使用 EMNIST 手写数字数据集来测试一种简单的少样本学习方法。一个全连接神经网络用 10 个数字的一个子集进行预训练，并用于对未训练数字进行少样本学习。引入了两个基本思路：在少样本学习期间禁用第一层的学习，并且对于每一次 shot，将一个先前未知的数字与四个先前训练的数字一起用于梯度下降，直到满足预定义的阈值条件。通过这种方式，我们在 10 次 shot 后达到约 90% 的准确率。
引用
@article{arxiv.2009.09172,
title = {Few-shot learning using pre-training and shots, enriched by pre-trained samples},
author = {Detlef Schmicker},
journal= {arXiv preprint arXiv:2009.09172},
year = {2020}
}