跨域圖像空間數(shù)據(jù)少樣本學(xué)習(xí)研究

打開(kāi)文本圖片集

摘 要：跨域圖像空間數(shù)據(jù)少樣本學(xué)習(xí)（ＦｅｗＳｈｏｔ Ｌｅａｒｎｉｎｇ，ＦＳＬ） 是近年來(lái)機(jī)器學(xué)習(xí)研究領(lǐng)域的熱點(diǎn)，旨在利用少量的有標(biāo)簽圖像空間源域數(shù)據(jù)訓(xùn)練一個(gè)可靠的模型對(duì)分布差異大的圖像目標(biāo)域數(shù)據(jù)進(jìn)行分類(lèi)。概述了近年來(lái)主要的跨域圖像空間數(shù)據(jù)ＦＳＬ 模型，根據(jù)模型解決問(wèn)題的主要思想，將其分類(lèi)為數(shù)據(jù)引入法、特征增強(qiáng)法、參數(shù)控制法以及混合法。（剩余498字）