Overview 低资源下的命名实体识别主要分为两个方面，一种是in-domain下的N-way-K-shot类型的少样本，一种是cross-domain下现在资源丰富的sourc-domain上进行微调，之后再迁移到低资源的target-domain进一步微调。 基于prompt的方法在少样本分…

一、简述 物体检测算法的发展已经取得了长足的进步，从早期的计算机视觉开始，通过深度学习达到了很高的准确度。 我们首先回顾早期传统的目标检测方法：Viola-Jones 检测器、HOG 检测器和基于部件的方法，它们在该领域发展之初就被广泛使用。 然后，逐渐转向基于两阶段和一阶段…

Anti-aliasing Semantic Reconstruction for Few-Shot Semantic Segmentation Abstract 现状 经过充分训练数据的特征学习，用少量样本去表示新类，少样本的语义分割取得了令人鼓舞的进展 问题 特征共享机制，不可避免的在具有相似语义组成…

在少样本分类论文中，经常会遇到N-way K-shot概念。很多初次接触少样本领域的人虽然能很快知道N-way是指N个类，K-shot是指每个类的样本数量，然后再结合对大规模监督学习的认识，自然的就认为N-way K-shot就是指训练集中有N个类别&am…

论文：Few-Shot Named Entity Recognition: A Comprehensive Study 速看：微软韩家炜课题组的全面调研：NER标注数据少，怎么办？ 论文总结了少样本ner的三种方法 方案1:原型方法(Prototype Methods)：元学习的…

Video Pose Distillation for Few-Shot, Fine-Grained Sports Action Recognition （2021 ICCV） James Hong, Matthew Fisher, Michael Gharbi, Kayvon Fatahalian Notes 写在前面（中文版自己总结） 之前的 AR（Actio…