当前位置：网站首页>【论文笔记1】小样本分类

【论文笔记1】小样本分类

2022-08-10 05:29:00 【Time.Xu】

FSL学习笔记

最新论文&代码收集网站：网址连接

论文1：孪生网络（Metric Based）

Siamese Neural Networks for One-shot Image Recognition

通过Siamese神经网络借助监督度量的方法学习图像表示，然后重用该网络的特征进行OneshowtLearning，而不需要任何再训练。

孪生网络由两个结构相同(参数也相同：权重绑定了)的网络组成，这两个网络接受不同的输入，并且这两个网络最后由一个能量函数(Energy fuction)汇合到一起。这个Energy Fuction用于计算两个特征图之间的距离。
使用加权的L1距离来进行特征向量之间的距离，并结合了sigmoid激活函数。(使用了交叉熵损失函数)
孪生网络的模型结构如图所示。最后的卷积层中的单位被压平成一个矢量。
网络模型结构
预测向量(prediction vector)的公式是：p =
在这里插入图片描述
其中，σ是sigmoi的函数，αj是对每个向量的第j维的权重进行调节(是可学习的参数)。
所定义的交叉熵损失函数如下所示：

当两张图片相同时y=1;当两张图片不同时y=0。