LibFewShot

Libfewshot

Buat pembelajaran beberapa shot mudah.

Libfewshot: Perpustakaan yang komprehensif untuk pembelajaran beberapa tembakan. Wenbin Li, Ziyi Wang, Xuesong Yang, Chuanqi Dong, Pinzhuo Tian, Tiexin Qin, Jing Huo, Yinghuan Shi, Lei Wang, Yang Gao, Jiebo Luo. Dalam tpami 2023.

Metode yang didukung

Metode non-episodik (metode berbasis fine-tuning alias)

• Baseline (ICLR 2019)
• Baseline ++ (ICLR 2019)
• RFS (ECCV 2020)
• SKD (BMVC 2021)
• Negcos (ECCV 2020)
• S2M2 (WACV 2020)
• Meta-Baseline (ICCV 2021)
• Diffkendall (Neurips 2023)

Metode berbasis meta-pembelajaran

• MatchingNet (Neurips 2016)
• MAML (ICML 2017)
• Versa (Neurips 2018)
• R2D2 (ICLR 2019)
• Leo (ICLR 2019)
• MTL (CVPR 2019)
• Anil (ICLR 2020)
• IFSL (Neurips 2020)
• Boil (ICLR 2021)
• Logam (ICCV 2021)

Metode berbasis metrik-pembelajaran

• Protonet (Neurips 2017)
• RelationalNet (CVPR 2018)
• Convamnet (AAAI 2019)
• DN4 (CVPR 2019)
• Can (Neurips 2019)
• ATL-NET (IJCAI 2020)
• ADM (IJCAI 2020)
• DSN (CVPR 2020)
• Feat (CVPR 2020)
• Renet (ICCV 2021)
• FRN (CVPR 2021)
• DeepBDC (CVPR 2022)
• MCL (CVPR 2022)
• CPEA (ICCV 2023)

Instalasi cepat

Silakan merujuk ke install.md (安装) untuk instalasi.

Tutorial lengkap dapat ditemukan di dokumen (中文文档).

Reproduksi

Kami menyediakan beberapa konfigurasi yang divalidasi dalam reproduksi, silakan merujuk ke ./reproduce/<Method_Name>/README.md untuk infomasi lebih lanjut. Arti simbol adalah sebagai berikut:

Akurasi yang direprotkan oleh kertas.

Akurasi yang direprot sendiri oleh diri kita sendiri.

Hyperlinks untuk mengunduh folder pos pemeriksaan. (Berisi config.yaml , model_best.pth dan train/test log )

? Hyperlink ke file konfigurasi.

Anda juga dapat menemukan pos pemeriksaan ini di model_zoo.

Kumpulan data

Caltech-UCSD Birds-200-2011, Standford Cars, Standford Dogs, Mini Imagenet, Tiered Imagenet dan WebCaricature tersedia di Google Drive dan 百度网盘 (提取码 ： YR1W).

Berkontribusi

Silakan berkontribusi segala jenis fungsi atau peningkatan, di mana gaya pengkodean mengikuti Pep 8. Harap rujuk ke Contributing.md (贡献代码) untuk pedoman yang berkontribusi.

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT. Lihat lisensi untuk detail lebih lanjut.

Pengakuan

LibFewShot adalah proyek open source yang dirancang untuk membantu beberapa peneliti pembelajaran beberapa tembakan dengan cepat memahami metode klasik dan struktur kode. Kami menyambut kontributor lain untuk menggunakan kerangka kerja ini untuk mengimplementasikan metode mereka sendiri atau mengesankan lainnya dan menambahkannya ke libfewshot. Perpustakaan ini hanya dapat digunakan untuk penelitian akademik. Kami menyambut umpan balik apa pun selama menggunakan LibFewshot dan akan mencoba yang terbaik untuk terus meningkatkan perpustakaan.

Kutipan

Jika Anda menggunakan kode ini untuk penelitian Anda, silakan kutip makalah kami.

 @article{li2021LibFewShot,
title = {LibFewShot: A Comprehensive Library for Few-Shot Learning},
author={Li, Wenbin and Wang, Ziyi and Yang, Xuesong and Dong, Chuanqi and Tian, Pinzhuo and Qin, Tiexin and Huo Jing and Shi, Yinghuan and Wang, Lei and Gao, Yang and Luo, Jiebo},
journal = {IEEE Transactions on Pattern Analysis & Machine Intelligence},
year = {2023},
number = {01},
issn = {1939-3539},
pages = {1-18}
}