TPAMI 2024 | 元学习新方法——少样本学习的救星！！！

文章预览

点击下方 卡片 ，关注“ AI前沿速递 ”公众号 各种重磅干货，第一时间送达 想要更多干货资料？赶紧扫码领取！ 👆扫码领取，前沿论文解读    内容转载自公众号：AI学术工坊 Few-Shot Learning With a Strong Teacher 题目：强教师辅助下的少样本学习 作者：Han-Jia Ye , Lu Ming, De-Chuan Zhan, and Wei-Lun Chao 源码：https://github.com/Han-Jia/LastShot 摘要 少样本学习（FSL）旨在使用有限的标记样本生成分类器。许多现有工作采用元学习方法，构建一个少样本学习器（元模型），该模型可以从少样本示例中学习以生成分类器。通常，少样本学习器通过依次采样多个少样本任务并优化少样本学习器在生成这些任务的分类器方面的性能来构建或元训练。性能的衡量标准是生成的分类器对这些任务的测试（即查询）示例进行分类的能力。在本文中，我们指出了这种方法的两个潜在弱 ………………………………