典型文献
基于数据增强和神经网络的小样本图像分类
文献摘要：
深度学习算法在图像分类训练过程中存在着对训练样本需求量大以及难以获得较多样本等问题.文章对VGG网络模型的小样本学习问题进行研究,提出了基于数据增强和神经网络的小样本图像分类模型.改进模型通过主动数据增强学习结合DAGAN进行数据增强,可在一定程度上缓解样本数量过少的问题,并在网络中引入注意力机制(VGG-SE),使得深度神经网络在小样本图像分类中达到较高的准确率,实验结果表明了所提模型的有效性.
文献关键词：
小样本学习;图像分类;数据增强;神经网络
中图分类号：
作者姓名：
严家金
作者机构：
安徽理工大学计算机科学与工程学院,安徽淮南 232001;安徽理工大学环境友好材料与职业健康研究院(芜湖),安徽芜湖 241003
文献出处：
引用格式：
[1]严家金-.基于数据增强和神经网络的小样本图像分类)[J].现代信息科技,2022(15):77-80
A类：
DAGAN
B类：
数据增强,小样本图像分类,深度学习算法,分类训练,训练过程,训练样本,难以获得,VGG,小样本学习,学习问题,分类模型,改进模型,增强学习,样本数量,注意力机制,SE,深度神经网络,中达
AB值：
0.297119
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。
