Command Palette
Search for a command to run...
تصنيف الصور قليل الإطارات
بالطبع، إليك النص المعدّل: تصنيف الصور بقليل من العينات هو مهمة في مجال رؤية الحاسوب تهدف إلى تدريب نماذج التعلم الآلي على تصنيف صور جديدة باستخدام عدد قليل جدًا من العينات المصنفة (عادة أقل من 6). الهدف من هذه المهمة هو تمكين النموذج من التعرف السريع وتصنيف فئات جديدة مع إشراف ومتطلبات بيانات محدودة، مما يعزز قدرته على التعميم في ظروف البيانات المحدودة. تحمل هذه التقنية قيمة عملية كبيرة، خاصة في السيناريوهات التي يكون فيها الحصول على البيانات صعبًا أو مكلفًا.
Mini-Imagenet 5-way (1-shot)
PEMnE-BMS* (transductive)
Mini-Imagenet 5-way (5-shot)
CAML [Laion-2b]
Tiered ImageNet 5-way (5-shot)
CAML [Laion-2b]
Tiered ImageNet 5-way (1-shot)
PT+MAP
CIFAR-FS 5-way (5-shot)
PT+MAP+SF+SOT (transductive)
CIFAR-FS 5-way (1-shot)
PT+MAP+SF+SOT (transductive)
CUB 200 5-way 1-shot
PT+MAP+SF+BPA (transductive)
CUB 200 5-way 5-shot
PT+MAP+SF+SOT (transductive)
Meta-Dataset
URT
FC100 5-way (5-shot)
FC100 5-way (1-shot)
R2-D2+Task Aug
OMNIGLOT - 1-Shot, 20-way
GCR
OMNIGLOT - 5-Shot, 20-way
MC2+
OMNIGLOT - 1-Shot, 5-way
MC2+
Mini-ImageNet - 1-Shot Learning
PT+MAP
OMNIGLOT - 5-Shot, 5-way
DCN6-E
Mini-Imagenet 10-way (5-shot)
Transductive CNAPS + FETI
Mini-Imagenet 10-way (1-shot)
Transductive CNAPS + FETI
Meta-Dataset Rank
URT
Tiered ImageNet 10-way (5-shot)
Transductive CNAPS + FETI
Tiered ImageNet 10-way (1-shot)
Transductive CNAPS + FETI
Mini-ImageNet-CUB 5-way (1-shot)
PT+MAP
Dirichlet Mini-Imagenet (5-way, 1-shot)
alpha-TIM
Dirichlet Mini-Imagenet (5-way, 5-shot)
alpha-TIM
Dirichlet Tiered-Imagenet (5-way, 5-shot)
alpha-TIM
Dirichlet Tiered-Imagenet (5-way, 1-shot)
Dirichlet CUB-200 (5-way, 5-shot)
Dirichlet CUB-200 (5-way, 1-shot)
ImageNet-FS (5-shot, all)
KGTN-ens (ResNet-50, h+g, max)
ImageNet-FS (2-shot, novel)
ImageNet - 1-shot
ViT-MoE-15B (Every-2)
ImageNet - 5-shot
ViT-MoE-15B (Every-2)
Mini-ImageNet-CUB 5-way (5-shot)
PT+MAP
Bongard-HOI
Human (Amateur)
ImageNet - 10-shot
ViT-MoE-15B (Every-2)
ImageNet-FS (1-shot, novel)
Stanford Dogs 5-way (5-shot)
Stanford Cars 5-way (1-shot)
MATANet
Stanford Cars 5-way (5-shot)
MATANet
Mini-Imagenet 20-way (5-shot)
TIM-GD
Mini-Imagenet 20-way (1-shot)
TIM-GD
Mini-Imagenet 5-way (10-shot)
PT+MAP
ImageNet - 0-Shot
CLIP (ViT B/32)
CUB-200-2011 - 0-Shot
Word CNN-RNN (DS-SJE Embedding)
CUB 200 50-way (0-shot)
Prototypical Networks
Stanford Dogs 5-way (1-shot)
MATANet
Caltech-256 5-way (1-shot)
ORBIT Clutter Video Evaluation
ProtoNetsVideo
ImageNet-FS (5-shot, novel)
CUB-200 - 0-Shot Learning
TAFE-Net
Mini-ImageNet to CUB - 5 shot learning
TIM-GD
OMNIGLOT-EMNIST 5-way (1-shot)
HyperShot
ImageNet-FS (2-shot, all)
ImageNet-FS (10-shot, novel)
ImageNet-FS (10-shot, all)
KGTN (ResNet-50)
ImageNet-FS (1-shot, all)
ImageNet (1-shot)
OMNIGLOT-EMNIST 5-way (5-shot)
ORBIT Clean Video Evaluation
SimpleCNAPs + LITE
CIFAR100 5-way (1-shot)
SUN - 0-Shot
Synthesised Classifier
OMNIGLOT - 5-Shot, 1000 way
OMNIGLOT - 5-Shot, 423 way
APL
UT Zappos50K
Oxford 102 Flower
RS-FSL
OMNIGLOT - 1-Shot, 423 way
APL
aPY - 0-Shot
TAFE-Net
FC100 5-way (10-shot)
MTL
AWA - 0-Shot
Synthesised Classifier
AWA1 - 0-Shot
AWA2 - 0-Shot
Caltech-256 5-way (5-shot)
MergedNet-Concat
Caltech101
PRE
CIFAR-FS - 1-Shot Learning
pseudo-shots
CIFAR-FS - 5-Shot Learning
pseudo-shots
CUB-200-2011 5-way (1-shot)
MATANet
CUB-200-2011 5-way (5-shot)
MATANet
CUB 200 5-way
EASY 3xResNet12 (transductive)
OMNIGLOT - 1-Shot, 1000 way
APL
Fewshot-CIFAR100 - 1-Shot Learning
pseudo-shots
Fewshot-CIFAR100 - 5-Shot Learning
pseudo-shots
Flowers-102 - 0-Shot
Word CNN-RNN (DS-SJE Embedding)
iNaturalist 2018 - 1-shot
iNaturalist 2018 - 10-shot
iNaturalist 2018 - 5-shot
iNaturalist (227-way multi-shot)
LaplacianShot
mini-ImageNet - 100-Way
GCR
miniImagenet → CUB (5-way 1-shot)
LaplacianShot
miniImagenet → CUB (5-way 5-shot)
LaplacianShot
CIFAR-100