《表4 基于元学习的少样本学习方法总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度神经网络的少样本学习综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。