《表1 Omniglot数据集下DL-FSL方法与目前主流少样本学习方法准确率对比》

  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

《一种基于深度网络的少样本学习方法》

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

将Omniglot数据集划分成训练集1200类，支持集与测试集423类．按照实验一的步骤进行实验，并增加20 way 1 shot、20 way 5 shot的参数设定，实验结果如表1所示．从表1中可以看出，对于Omniglot数据集，在5 way 1 shot、5 way 5 shot、20way 1 shot、20 way 5 shot参数设定下，本文DL-FSL方法的准确率均超过了其它主流的少样本算法的准确率．尤其是在20way 1 shot参数设定下，DL-FSL方法的准确率（98.8%）比Relation Nets的准确率（97.6%）高出了1.2%.