《表1 基于数据增强的少样本学习方法总结》
注:PMN表示原型匹配网络;*表示具有Re LU的三层MLP;**表示文本条件GAN,见文献[22];±表示在任务中95%的置信区间。
表1给出了每种数据增强方法使用的网络模型,并且标明是否需要微调以及每种方法进行实验的数据集。另外,列出了在MiniImageNet[23]数据集中部分文献five-way one-shot的实验结果以及在Image Net 1k数据集中新类数目为1时top 5的准确度。从表1中可以看到,对于少样本学习,数据增强技术从低层(图像像素)、抽象特征层到语义概念层次,少样本学习的效果越来越好。
图表编号 | XD00198005200 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) |