典型文献
类特征增强元学习算法
文献摘要：
深度学习取得了巨大成就,尤其是在计算机视觉领域,已经接近人类水平.但是这些成果大多依赖于巨大规模的训练数据,在面对数据量较小的情况时,往往产生严重的过度拟合和灾难性的遗忘.最近的研究表明,采用元学习的方法可以解决此问题.元学习模型由特征提取与分类算法两个模块组成,目前大部分研究都关注于设计合适的分类算法,忽视了特征的重要性.本文认为每个类都有自身独有的一些类特征,这些特征更明显的图像更易于识别.因此提出了类特征增强的方法,借助相似类来获得类特征,在特征的层面上对图像进行增强,使提取后的特征更有利于当前的分类任务.类特征增强是一个通用框架,可以与大多数元学习方法相结合.本文将其与常用的原型网络相结合,在Mini-ImageNet数据集上取得了更好的实验效果.
文献关键词：
元学习;特征增强;小样本学习;深度学习
中图分类号：
作者姓名：
蔡奇;李凡长
作者机构：
苏州大学 计算机科学与技术学院,江苏 苏州215006
文献出处：
引用格式：
[1]蔡奇;李凡长-.类特征增强元学习算法)[J].小型微型计算机系统,2022(02):225-230
A类：
B类：
特征增强,元学习,巨大成就,计算机视觉,训练数据,数据量,过度拟合,灾难性,遗忘,分类算法,似类,分类任务,一个通,通用框架,数元,原型网络,Mini,ImageNet,实验效果,小样本学习
AB值：
0.432334
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
