全文总字数：1371字
1. 毕业设计（论文）主要内容：
人类在积累足够多的知识基础之后，可以轻松的通过几个案例学习到新的视觉概念。在人类的快速学习能力的启发下，研究人员希望机器学习模型在学习了一定类别的大量数据后，对于新的类别，只需要少量的样本就能快速学习，这就是Few-shot Learning要解决的问题。本次设计在预先设计好的深度神经网络的基础上，基于神经网络中在一个预先训练好的神经网络的最后一个分类层中，参数向量和激活向量在空间中具有高度相似的结构的理论基础，通过训练一个参数预测器，使得在大量数据集中预训练过的网络可以通过直接从激活值预测参数的方式将模型映射到只有少量样本的测试数据集中。
2. 毕业设计（论文）主要任务及要求
（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。
（2）完成开题报告及任务书。
（3）训练参数预测模型，实现少量样本下对图像特征的有效提取。
3. 毕业设计（论文）完成任务的计划与安排
（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。
（3）第7－9周：完成相关文献的阅读，搭建模型框架，开始训练模型。
4. 主要参考文献
[1] Qiao S , Yuille A. Few-Shot Image Recognition by Predicting Parameters from Activations[J].2017.
[2] LuJ , Cao Z , Wu K , et al. Boosting Few-Shot Image Recognition Via DomainAlignment Prototypical Networks[C]// 2018 IEEE 30th International Conference onTools with Artificial Intelligence (ICTAI). IEEE, 2018.
[3]Sung F , Yang Y , Zhang L , et al. Learning to Compare: Relation Network forFew-Shot Learning[J]. 2017.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
