面向少样本计算机视觉的元学习算法
计算机视觉与模式识别
2019-10-01 v1 机器学习
摘要
少样本学习是仅用少量数据训练模型的挑战。许多解决该问题的方法使用元学习算法，即学会学习的算法。通过从更大的数据集中采样少样本任务，我们可以教会这些算法解决新的、未见的任务。本文档报告了我在少样本计算机视觉元学习算法方面的工作。该工作完成于我在 Sicara（一家为企业构建图像识别解决方案的法国公司）的实习期间。内容包括：1. 对少样本计算机视觉前沿技术的广泛综述；2. 少样本图像分类元学习算法的基准测试；3. 一种用于少样本目标检测的 novel 元学习算法的介绍，该算法仍在开发中。
引用
@article{arxiv.1909.13579,
title = {Meta-learning algorithms for Few-Shot Computer Vision},
author = {Etienne Bennequin},
journal= {arXiv preprint arXiv:1909.13579},
year = {2019}
}