典型文献
基于注意力机制的双度量小样本图像分类算法
文献摘要：
小样本图像分类旨在利用少数几个标记样本训练出一个具有良好泛化性网络,其中基于度量学习的小样本图像分类方法具有模型简单且高效的优点.针对图像到类度量的深度最近邻网络(deep nearest neighbor neural network,DN4),提出了基于注意力机制的双重度量网络(attention based bi-metric network,ABM-Net).在主干网络中加入注意力机制以获得更有效的特征表示,并提出将图像到图像度量与图像到类度量结合的双度量模块.实验结果表明,相较于DN4,ABM-Net的性能在数据集CUB-200-2011、Stanford-Dogs和Stanford-Cars的1-shot和5-shot分类任务中均有一定的提升.
文献关键词：
图像分类;小样本学习;度量学习;注意力机制;卷积神经网络
中图分类号：
作者姓名：
朱新源;任劼;章为川
作者机构：
西安工程大学电子信息学院 西安710048;格里菲斯大学综合智能系统研究所 布里斯班4702
文献出处：
引用格式：
[1]朱新源;任劼;章为川-.基于注意力机制的双度量小样本图像分类算法)[J].国外电子测量技术,2022(08):34-38
A类：
DN4
B类：
注意力机制,小样本图像分类,图像分类算法,少数几个,标记样本,样本训练,练出,泛化性,度量学习,分类方法,最近邻,deep,nearest,neighbor,neural,network,attention,bi,metric,ABM,Net,主干网络,特征表示,CUB,Stanford,Dogs,Cars,shot,分类任务,小样本学习
AB值：
0.388142
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。
