摘要：不同于基于大规模监督的深度学习方法,小样本学习旨在从极少的几个样本中学习这类样本的特性,其更符合人脑的视觉认知机制.近年来,小样本学习受到很多学者关注,他们联合元学习训练模式与度量学习理论,挖掘查询集(无标记样本)和支持集(少量标记样本)在特征空间的语义相似距离,取得不错的小样本分类性能.然而,这些方法的可解释性偏弱,不能为用户提供一种便于直观理解的小样本推理过程.为此,提出一种基于区域注意力机制的小样本分类网络INT-FSL,旨在揭示小样本分类中的2个关键问题:1)图像哪些关键位置的视觉特征在决策中发挥了重要作用;2)这些关键位置的视觉特征能体现哪些类别的特性.除此之外,尝试在每个小样本元任务中设计全局和局部2种对比学习机制,利用数据内部信息来缓解小样本场景中的监督信息匮乏问题.在3个真实图像数据集上进行了详细的实验分析,结果表明:所提方法INT-FSL不仅能有效提升当前小样本学习方法的分类性能,还具备良好的过程可解释性.

摘要：从免疫过rSpaA的猪的脾淋巴细胞中提取总RNA,采用RT–PCR技术反转录合成cDNA。设计兼并引物扩增抗体重链可变区(VH)和轻链可变区(VL)基因片段,采用重叠延伸PCR方法,将VH和VL通过Linker连接成重组单链抗体(以下简写为sc Fv)的基因片段。将sc Fv的基因连接至噬菌粒载体p Comb3Xss,将重组载体电转化至宿主菌XL1-Blue,并经辅助噬菌体M13KO7拯救,获得猪源噬菌体单链抗体库,库容约为2.5×106。以rSpaA为靶抗原,经免疫亲和筛选,获得8株特异性较好的阳性克隆。本研究结果可为制备抗红斑丹毒丝菌的重组sc Fv提供新途径,并为猪丹毒的免疫检测和综合防制提供材料基础。