典型文献
基于自适应特征融合与转换的小样本图像分类
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
许栋;杨关;刘小明;刘阳;刘济宗;陈静;郭清宇
作者机构：
中原工学院 计算机学院,郑州 450007;河南省网络舆情监测与智能分析重点实验室,郑州 450007;西安电子科技大学 通信工程学院,西安 710071;中原工学院 前沿信息技术研究院 网络舆情研究中心,郑州 450007
文献出处：
引用格式：
[1]许栋;杨关;刘小明;刘阳;刘济宗;陈静;郭清宇-.基于自适应特征融合与转换的小样本图像分类)[J].计算机工程与应用,2022(24):223-232
A类：
自适应加权多路分支
B类：
自适应特征融合,小样本图像分类,小样本学习,数据采样,模型特征,数据分布,分类模型,特征处理,输入数据,少量数据,支路,路权,特征信号,放缩,特征转换,转换模块,适应性变化,分类效果,Caltech,UCSD,Birds,mini,ImageNet,同场,Way,Shot,baseline,百分点
AB值：
0.383048
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。
