《表4 基于元学习的少样本学习方法总结》
注:CNN*表示网络由两个具有Re LU非线性的卷积层组成,其后是最大池化层,另外两个卷积-Re LU层,另一个最大池化层和两个完全连接层;CNN**表示使用包含4个卷积层的简单CNN,每个卷积层都是带有32个滤波器的3×3卷积,然后是批量归一化、Re LU非线性激活,最后是2×2最大池化层
表4给出了每种元学习方法使用的网络模型,标明了是否微调、测试和训练方式是否匹配以及各个模型用于实验的数据集,并且列出了在MiniImageNet数据集部分文献的five-way one-shot的测试结果。
图表编号 | XD00198005000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.05 |
作者 | 李新叶、龙慎鹏、朱婧 |
绘制单位 | 华北电力大学电子与通信工程系、华北电力大学电子与通信工程系、华北电力大学电子与通信工程系 |
更多格式 | 高清、无水印(增值服务) |