小样本深度学习图像识别综述学习

小样本深度学习图像识别综述学习

基于数据增强

• 基本思路：通过某些方法来增强原始数据，从源头上解决数据量不足的问题
• 方法罗列：
  • 生成伪数据
  • 通过某些手段增强原有数据（比如翻转、旋转等操作）
• 缺点：
  • 如果样本太少，数据增强也是不好用的
  • 数据增强应用于实际之中容易出现知识偏移以及过拟合的问题

基于迁移学习

• 使用预训练模型训练目标域数据

基于元学习

• 元学习基本概念：是网络模型具有快速学习的能力——像人类一样，通过较少的示例就可以在较短的时间内学会分辨新的事物的能力
• 存在问题：
  • 元学习算法优化难
  • 元学习算法缺乏相关的可解释性

写在最后：总结来源以及论文来源如下
总结来源微信公众号推文
论文来源