-
题名基于自适应特征融合与转换的小样本图像分类
被引量：5
- 1
-
-
作者
许栋
杨关
刘小明
刘阳
刘济宗
陈静
郭清宇
-
机构
中原工学院计算机学院
河南省网络舆情监测与智能分析重点实验室
中原工学院前沿信息技术研究院网络舆情研究中心
西安电子科技大学通信工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第24期223-232,共10页
-
基金
国家自然科学基金(61772576,61906141)
河南省科技攻关项目(182102210126)
+1 种基金
陕西省自然科学基金(2020JQ-317)
河南省高等学校重点科研项目(23A520022)。
-
文摘
小样本学习中数据采样不断变化的特点使得模型特征提取不充分,同时,模型对提取的特征也难以进行相应操作;数据分布的变化也影响着小样本模型的性能。针对这些问题,提出一种基于自适应加权多路分支小样本图像分类模型。多路特征处理模块对输入数据进行特征提取和融合,以便充分利用少量数据;自适应的支路权重使得特征信号随特征进行相应的放缩;特征转换模块对多变的数据分布进行适应性变化,以便更好地聚合同类,提高分类效果。通过使用Caltech-UCSD Birds-200-2011数据集和mini-ImageNet数据集,对所提模型在不同场景下进行分类效果测试。实验结果表明,所提模型在5-Way 1-Shot和5-Way 5-Shot任务中的准确率分别比baseline相比分别提升9.81、8.16个百分点和9.16、9.21个百分点,验证了模型的有效性。
-
关键词
图像分类
小样本学习
特征融合
特征转换
自适应加权多路分支
-
Keywords
image classification
few shot learning
feature fusion
feature conversion
adaptive weighted multi-branch
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
