典型文献
结合原型校准分布的小样本学习方法
文献摘要：
针对小样本学习中样本数量过少难以表述类别特征的问题,提出一种结合原型校准数据分布的小样本学习方法.首先,利用嵌入网络对图像进行预处理,将提取到的新类特征进行幂次变换.随后,通过相似度加权基类来表征新类样本的原型,充分利用已学过的基类知识来减小计算原型与实际原型的偏差.最后,以新类样本特征与其对应的原型构造均匀分布,根据样本数量改变均匀分布边界,使采样集中在置信度高的区域,生成大量的新类特征扩充训练分类器的支持集.在5-way 1-shot和5-way 5-shot设置中,该方法在miniImageNet数据集上的准确率分别为68.94％和84.75％,在CUB数据集上分别为81.75％和91.88％,均优于现有方法的最好结果.因此,所提方法能有效提高模型在小样本图像上的分类性能,获得更高的预测准确率.
文献关键词：
小样本学习;图像分类;原型表征;均匀分布;数据生成
中图分类号：
作者姓名：
黄友文;胡燕芳;魏国庆
作者机构：
江西理工大学信息工程学院 赣州341000
文献出处：
引用格式：
[1]黄友文;胡燕芳;魏国庆-.结合原型校准分布的小样本学习方法)[J].电子测量技术,2022(05):132-139
A类：
原型表征
B类：
小样本学习,样本数量,类别特征,校准数据,数据分布,入网,取到,新类,基类,样本特征,均匀分布,置信度,分类器,way,shot,miniImageNet,CUB,小样本图像,分类性能,预测准确率,图像分类,数据生成
AB值：
0.342833
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。
