基于困难样本对激励的小样本图像分类方法

作     者：郭璐 刘斌 李维刚 甘平 Guo Lu;Liu Bin;Li Weigang;Gan Ping

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武汉430081 武汉科技大学信息科学与工程学院武汉430081 去哪儿大数据研究院北京100080 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2024年第36卷第6期

页      码：895-903页

摘      要：使用少量标签样本训练得到的传统模型往往预测精度低、泛化能力弱,很难应用到实际生产中.针对小样本图像提出一种基于困难样本对激励分类方法,包括预训练阶段和元学习阶段.预训练阶段在基类数据集上训练编码器,并作为元学习阶段的初始特征编码器;元学习阶段将进一步优化此编码器,元训练过程使用本质特征法降低异常样本对质心的影响;结合度量学习与元学习设计了困难样本对激励损失函数,从样本对角度出发,在训练过程中引导模型扩大正负样本间距离,使同类样本更加紧凑.在公开数据集mini-ImageNet,tiered-ImageNet上进行实验的结果表明,分类精度分别为64.12%,70.15%,验证了所提方法的有效性和可行性.

主 题 词：困难样本对 小样本学习 元学习 度量学习 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2024.19888

馆 藏 号：203128419...