《计算机应用研究》|Application Research of Computers

基于深度神经网络的少样本学习综述

Survey of few-shot learning based on deep neural network

免费全文下载 (已被下载 次)  
获取PDF全文
作者 李新叶,龙慎鹏,朱婧
机构 华北电力大学(保定) 电子与通信工程系
统计 摘要被查看 次,已被下载
摘要 最近深度神经网络已经在监督识别任务上取得了令人振奋的突破,但是深度神经网络要求每个类都有足够多的且完全标注的训练数据。如何从少数训练样本中学习并识别新的类别,对于深度神经网络来说是一个具有挑战性的问题。针对如何解决少样本学习的问题,全面总结了现有的基于深度神经网络的少样本学习方法,涵盖了方法所用模型、数据集及评估结果等各个方面。具体地,针对基于深度神经网络的少样本学习方法,提出将其分为四种类别,即数据增强方法、迁移学习方法、度量学习方法和元学习的方法;对于每个类别,进一步将其分为几个子类别,并且在每个类别与方法之间进行一系列比较,以显示各种方法的优劣和各自的特点。最后,强调了现有方法的局限性,并指出了少样本学习研究领域的未来研究方向。
关键词 少样本学习;数据增强;迁移学习;度量学习;元学习
基金项目
本文URL http://www.arocmag.com/article/02-2020-08-002.html
收稿日期
修回日期
页码 -
中图分类号 TP183
文献标志码