融合多粒度注意力特征的小样本分类模型

作     者：韩岩奇 苟光磊 李小菲 朱东华 Han Yanqi;Gou Guanglei;Li Xiaofei;Zhu Donghua

作者机构：重庆理工大学计算机科学与工程学院重庆400054 重庆理工大学大数据与人工智能实验室重庆400054 

基　　金：国家自然科学基金资助项目(62141201) 重庆市教委科学技术研究项目(202201102) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2024年第41卷第7期

页      码：2235-2240页

摘      要：在小样本分类任务中,现有的CNN模型存在特征提取不足、特征单一和小样本数据集类间差异化较弱的问题,导致分类精度较低。针对以上问题,提出一种融合多粒度注意力特征(fusion multi-granular attention feature,FMAF)的小样本分类模型。首先,该方法借鉴多粒度思想,重新设计CNN特征提取网络的架构来增强特征多样性;其次,在多粒度特征提取网络后添加自注意力层,提取多粒度图像特征中的关键特征,在多粒度注意力特征的基础上,借助特征融合方法融合多粒度注意力特征信息,突出关键特征,提高特征的表征力;最后,在两个经典的小样本数据集miniImageNet和tieredImageNet上进行了评估。实验结果表明,FMAF方法能有效提升分类的准确度和效率。

主 题 词：小样本学习 多粒度特征融合 自注意力机制 标签传播 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.19734/j.issn.1001-3695.2023.09.0513

馆 藏 号：203132541...