MiniImagenet是由美国斯坦福大学的研究人员提出的一种小规模图像数据集。它旨在为小规模分类学习问题提供一个基准数据集。MiniImagenet中选取的类别具有广泛的应用领域,包括人物、物品、自然场景、建筑等。 MiniImagenet的类别主要来自于ImageNet数据集中的1000个类别,并被分成了26个充满多样性的类别群组。这些群组是根据...
少样本(Few-shot)学习的目标是训练可以在只有少量样本的情况下泛化到新类别的模型。 以往的研究工作提出,使用来自类别名称的可访问语义信息来增强少样本学习,但主要集中在改进标准少样本学习框架中的视觉原型和特征提取器等现有模块,限制了语义信息的充分利用。