หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>หลาม
ดาวน์โหลด

libfewshot

ทำให้การเรียนรู้ไม่กี่ครั้งง่าย

libfewshot: ห้องสมุดที่ครอบคลุมสำหรับการเรียนรู้ไม่กี่นัด Wenbin Li, Ziyi Wang, Xuesong Yang, Chuanqi Dong, Pinzhuo Tian, Tiexin Qin, Jing Huo, Yinghuan Shi, Lei Wang, Yang Gao, Jiebo Luo ใน TPAMI 2023

วิธีการที่รองรับ

วิธีการที่ไม่ใช้งาน

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

วิธีการอภิปราย

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

วิธีการเรียนรู้แบบเรียนรู้

  • Protonet (Neurips 2017)
  • Relationnet (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)

การติดตั้งอย่างรวดเร็ว

โปรดดูที่ Install.md (安装) สำหรับการติดตั้ง

บทช่วยสอนที่สมบูรณ์สามารถดูได้ที่เอกสาร (中文文档)

การสืบพันธุ์

เราให้การกำหนดค่าที่ผ่านการตรวจสอบแล้วในการทำซ้ำโปรดดูที่ ./reproduce/<Method_Name>/README.md สำหรับ infomations เพิ่มเติม ความหมายของสัญลักษณ์มีดังนี้:

ความถูกต้องที่ได้รับการปรับปรุงโดยเอกสาร

ความถูกต้องได้รับการแก้ไขด้วยตัวเอง

ไฮเปอร์ลิงก์เพื่อดาวน์โหลดโฟลเดอร์จุดตรวจ (มี config.yaml , model_best.pth และ train/test log )

- ไฮเปอร์ลิงก์ไปยังไฟล์ config

นอกจากนี้คุณยังสามารถค้นหาจุดตรวจเหล่านี้ได้ที่ model_zoo

ชุดข้อมูล

Caltech-UCSD Birds-200-2011, Standford Cars, Standford Dogs, Mini Imagenet, Imagenet และเว็บคาริกั ต ที่มีอยู่ใน Google Drive และ百度网盘 (：： YR1W)

การบริจาค

โปรดอย่าลังเลที่จะมีส่วนร่วมของฟังก์ชั่นหรือการปรับปรุงทุกรูปแบบที่รูปแบบการเข้ารหัสตาม PEP 8 โปรดโปรดดูการสนับสนุน MD (贡献代码) สำหรับแนวทางที่มีส่วนร่วม

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT ดูใบอนุญาตสำหรับรายละเอียดเพิ่มเติม

การรับทราบ

Libfewshot เป็นโครงการโอเพ่นซอร์สที่ออกแบบมาเพื่อช่วยให้นักวิจัยการเรียนรู้ไม่กี่คนเข้าใจวิธีการคลาสสิกและโครงสร้างรหัสอย่างรวดเร็ว เรายินดีต้อนรับผู้มีส่วนร่วมอื่น ๆ ที่จะใช้เฟรมเวิร์กนี้เพื่อใช้วิธีการที่น่าประทับใจของตนเองหรืออื่น ๆ และเพิ่มลงใน libfewshot ห้องสมุดนี้สามารถใช้สำหรับการวิจัยเชิงวิชาการเท่านั้น เรายินดีรับข้อเสนอแนะใด ๆ ในระหว่างการใช้ libfewshot และจะพยายามอย่างดีที่สุดเพื่อปรับปรุงห้องสมุดอย่างต่อเนื่อง

การอ้างอิง

หากคุณใช้รหัสนี้สำหรับการวิจัยของคุณโปรดอ้างอิงบทความของเรา 

 @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 &amp; Machine Intelligence},
year = {2023},
number = {01},
issn = {1939-3539},
pages = {1-18}
}
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด