典型文献
基于ALDR注意力的少样本学习模型
文献摘要：
在图像分类的实际应用场景中,受制于客观条件所以很难获取大规模的带标签数据集,针对缺少数据的场景,少样本学习得以广泛应用.然而现有少样本学习方法在图像处理时忽略了具有类别特点的局部细节对于分类的帮助,针对这一缺陷,对基于自适应局部细节增强(ALDR)注意力的少样本学习模型进行研究.实验证明,在ALDR注意力中通过对已学习数据提取的知识进行划分,利用不同种类的已学知识指导提取并增强新样例中具有类别特点的局部细节信息,在提升分类准确度上效果显著.
文献关键词：
图像分类;深度学习;ALDR注意力;少样本学习
中图分类号：
作者姓名：
晏明昊;强梦烨;陆琴心
作者机构：
国网江苏省电力有限公司无锡供电分公司,江苏无锡 214000
文献出处：
引用格式：
[1]晏明昊;强梦烨;陆琴心-.基于ALDR注意力的少样本学习模型)[J].现代信息科技,2022(22):81-85
A类：
ALDR
B类：
少样本学习,图像分类,受制于,客观条件,标签数据集,少数据,习得,细节增强,学习数据,数据提取,样例,局部细节信息
AB值：
0.231655
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。
