Apprendimento Ensemble Few-Shot
L'Apprendimento Ensemble Few-Shot combina molteplici modelli few-shot — come reti prototipali o learner di embedding — per classificare nuove classi da uno o pochi esempi etichettati. Imponendo diversità tra i learner di base e aggregando le loro predizioni, l'ensemble supera costantemente qualsiasi singolo modello few-shot in accuratezza e robustezza, specialmente in condizioni di scarsità di etichette.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Dvornik, N., Schmid, C., & Mairal, J. (2019). Diversity with Cooperation: Ensemble Methods for Few-Shot Classification. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), pp. 3716–3725. link ↗
- Wang, Y., Yao, Q., Kwok, J. T., & Ni, L. M. (2020). Generalizing from a Few Examples: A Survey on Few-Shot Learning. ACM Computing Surveys, 53(3), 1–34. DOI: 10.1145/3386252 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Ensemble Methods for Few-Shot Learning. ScholarGate. https://scholargate.app/it/machine-learning/ensemble-few-shot-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BoostingApprendimento automatico↔ compare
- Few-shot LearningApprendimento automatico↔ compare
- Apprendimento Semi-Supervisionato Few-ShotApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
- Ensemble a votazioneApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →