总结：本文作者主要有两个创新点：一是将原问题变换到语义空间来实现数据增强 ， 以此来解决小样本学习的问题；二是利用 Dual TriNet 融合多层级的特像特征信息 ， 并实现特征的编码和解码的过程 。 本文中的方法相比于原始图像级别上的数据扩增可以达到更好的效果 ， 例如在语义空间上的高斯扩充 ， 最终能够获得非高斯的扩充效果 ， 能够很好的增强扩增数据集的多样性 。 但考虑作者所给出的开源代码中 ， 只包含 ResNet-18 网络及 SVM 分类器的部分 ， 最为核心的语义扩充部分并没有提及 ， 因此对该模型的真实效果保持怀疑 。
致谢【针对单样本学习的多级语义特征扩增技术】本论文由 iSE 实验室 2019 级硕士生张子杰转述 。

• 闲鱼|电诉宝：“闲鱼”网络欺诈成用户投诉热点 Q3获“不建议下单”评级
• 培训班|单县残联举办残疾人电子商务培训班
• 页面|如何简单、快速制作流程图？上班族的画图技巧get
• 健身房|乐刻韩伟：产业互联网中只做单环节很难让数据发挥大作用
• 丹丹|福佑卡车创始人兼CEO单丹丹：数字领航 驶向下一个十年
• 公式|?有人把 5G 讲得这么简单明了
• 砍单|iPhone12之后，拼多多又将iPhone12Pro拉下水
• 误导|苹果又吃巨额罚单，因iPhone防水宣传有误导被重罚9400万
• 简单|互联网巨头夺走菜贩生计？未必那么简单
• 名单|河南8个项目入选国家级示范名单