-
题名融合强化学习和关系网络的样本分类
被引量：3
- 1
-
-
作者
张碧陶
庞振全
-
机构
江西理工大学电气工程与自动化学院
广州市香港科大霍英东研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第21期189-196,253,共9页
-
基金
广东省自然科学基金（No.2015A030310266）
中央财政支持发展项目（No.3301740072）
-
文摘
针对少量训练样本在深度学习算法中难以实现高精度分类的问题,提出一种融合强化学习和关系网络的小样本分类算法。采用图像预处理过程中基于强化学习的美学意识图像自动裁剪模型,通过构建美学意识奖励函数来输出最佳裁剪图像,从而保留图像最具特征部分。利用关系网络模型,将自动裁剪后的小样本图像中的训练样本图像与测试图像通过关系网络中的嵌入模块进行特征提取。将提取后的特征进行特征映射级联,并将级联后的特征映射馈送到关系网络中的关系模块中进行比较,将最终产生的0到1范围内的关系评分作为比较结果,从而判断测试图像所属的类别。在小样本数据集上进行实验并与现有方法进行对比,实验表明该方法能够实现较高精度的小样本分类。
-
关键词
小样本分类
强化学习
自动裁剪
关系网络
特征映射
-
Keywords
small-sample classification
reinforcement learning
automatic cropping
relational network
feature maps
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
