文献 Domain"/>
读文献 Domain
这篇文章主要讲的是 域自适应小样本学习。
当前主流的小样本学习有个关键的隐性假设是小样本的类与源类样本具有近似的样本空间。
然而很多情况下,小样本问题的样本空间和源样本空间并不完全一致。
所以提出了域自适应小样本学习。
解决方案是在DAPN中嵌入领域自适应特征学习之前,显式地增强每类的源/目标分离,以减轻领域对齐对FSL的负面影响。大量实验表明,DAPN优于最先进的FSL和DA模型
The goal of our DA-FSL is to exploit Ds and Dd for training a classifier that can generalize well to T .
DA-FSL的目标是利用Ds和Dd训练一个能够很好地推广到T的分类器。
更多推荐
读文献 Domain
发布评论