典型文献
基于样本对元学习的小样本图像分类方法
文献摘要：
本文针对小样本图像分类问题,提出一种基于样本对的元学习(Pairwise-based Meta Learning,PML)方法.利用传递迁移学习对预训练好的Resnet50模型进行微调,得到一个更适应小样本任务的特征编码器,将该特征编码器作为元学习模型的初始特征编码器来训练模型,进一步增强了元学习模型的泛化能力;同时,本文还基于支持集与查询集样本之间的相似性提出元损失函数(Meta Loss,ML),其考虑了特征空间中查询集所有样本的相互关系,以此来缩小正样本类内距离,增加正负样本类间距离,从而提高分类精度.实验结果表明,本文的方法在1-shot、5-shot任务上分别达到了77.65％、89.65％的分类精度,较最新的元学习方法Meta-baseline分别提高7.38％、5.65％.
文献关键词：
小样本图像;传递迁移学习;元学习;元损失函数
中图分类号：
作者姓名：
李维刚;甘平;谢璐;李松涛
作者机构：
武汉科技大学冶金自动化与检测技术教育部工程研究中心,湖北武汉430081
文献出处：
引用格式：
[1]李维刚;甘平;谢璐;李松涛-.基于样本对元学习的小样本图像分类方法)[J].电子学报,2022(02):295-304
A类：
B类：
元学习,小样本图像分类,分类方法,分类问题,Pairwise,Learning,PML,传递迁移学习,预训练,练好,Resnet50,微调,特征编码,编码器,训练模型,泛化能力,元损失函数,Loss,特征空间,有样,本类,类内距离,正负样本,类间距离,分类精度,shot,baseline
AB值：
0.366675
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。
