Jan, 2024

少即少:使用更少基分类学习更好的少样本问题

TL;DR本文研究了在训练数据稀缺的情况下,通过在较少的基础类别上进行微调,以改善少样本学习,探索了提取目标数据集更好特征的可能性,并提供了可在任何少样本解决方案中实施的简单且直观的方法。