LibFewShot

Libfewshot

Сделайте несколько выстрелов легким.

Libfewshot: комплексная библиотека для нескольких выстрелов. Венбин Ли, Зий Ванг, Сюзонг Ян, Чуанки Донг, Пинцхуо Тянь, Тисин Цинь, Цзин Хуо, Йинхуань Ши, Лей Ван, Ян Гао, Цзебо Луо. В TPAMI 2023.

Поддерживаемые методы

Неапизодические методы (он же методы на основе тонкой настройки)

• Базовая линия (ICLR 2019)
• Базовая линия ++ (ICLR 2019)
• RFS (ECCV 2020)
• SKD (BMVC 2021)
• Negcos (ECCV 2020)
• S2M2 (WACV 2020)
• Мета-база (ICCV 2021)
• Diffkendall (Neurips 2023)

Методы на основе мета-обучения

• MatchingNet (Neurips 2016)
• MAML (ICML 2017)
• Versa (Neurips 2018)
• R2D2 (ICLR 2019)
• Лео (ICLR 2019)
• MTL (CVPR 2019)
• Анил (ICLR 2020)
• Ifsl (Neurips 2020)
• Кипятить (ICLR 2021)
• Металл (ICCV 2021)

Методы на основе метрического обучения

• Протонет (Neurips 2017)
• Отношения (CVPR 2018)
• Convamnet (AAAI 2019)
• DN4 (CVPR 2019)
• Can (Neurips 2019)
• Atl-net (ijcai 2020)
• Adm (ijcai 2020)
• DSN (CVPR 2020)
• Подвиг (CVPR 2020)
• Рене (ICCV 2021)
• FRN (CVPR 2021)
• DeepBDC (CVPR 2022)
• MCL (CVPR 2022)
• CPEA (ICCV 2023)

Быстрая установка

Пожалуйста, обратитесь к install.md (安装) для установки.

Полные учебники можно найти в документе (中文文档).

Размножение

Мы предоставляем некоторые проверенные конфигурации в воспроизведении, пожалуйста, обратитесь к ./reproduce/<Method_Name>/README.md для дальнейших разобщений. Значения символов следующие:

Точности перепрофилированы документами.

Точности перепрофилированы самими.

Гиперссылки для загрузки папки контрольных точек. (Содержит config.yaml , model_best.pth и train/test log )

? Гиперссылки в файл конфигурации.

Вы также можете найти эти контрольно -пропускные пункты на Model_zoo.

Наборы данных

Caltech-UCSD Birds-200-2011, Cantford Cars, Standford Dogs, Mini ImageNet, многоуровневый ImageNet и веб-караарикатуру доступны на Google Drive и 百度网盘 (提取码 ： YR1W).

Внося

Пожалуйста, не стесняйтесь вносить любые виды функций или усовершенствования, где стиль кодирования следует PEP 8. Пожалуйста, обратитесь к Appling.md (贡献代码 贡献代码) для выполнения руководящих принципов.

Лицензия

Этот проект лицензирован по лицензии MIT. Смотрите лицензию для более подробной информации.

Подтверждение

Libfewshot-это проект с открытым исходным кодом, предназначенный для того, чтобы помочь исследователям для обучения, которые быстро помогли понять классические методы и кодовые структуры. Мы приветствуем, как другие участники используют эту структуру для реализации своих собственных или других впечатляющих методов и добавления их в Libfewshot. Эта библиотека может использоваться только для академических исследований. Мы приветствуем любые отзывы во время использования LibfewShot и будем стараться изо всех сил, чтобы постоянно улучшать библиотеку.

Цитирование

Если вы используете этот код для своего исследования, пожалуйста, укажите нашу статью.

 @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}
}