基于任务感知关系网络的少样本图像分类

作     者：郭礼华 王广飞 

作者机构：华南理工大学电子与信息学院 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2023年

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：广东省基础与应用基础研究基金(2022A1515011549) 

主　　题：小样本学习 图像分类 度量学习 任务感知 关系网络 

摘      要：针对关系网络(RN)模型缺乏对分类任务整体相关信息的感知能力的问题，该文提出基于任务感知关系网络(TARN)的小样本学习(FSL)算法。引入模糊C均值(FCM)聚类生成基于任务全局分布的类别原型，同时设计任务相关注意力机制(TCA)，改进RN中的一对一度量方式，使得在与类别原型对比时，局部特征聚合了任务全局信息。和RN比，在数据集Mini-ImageNet上，5-way 1-shot和5-way 5-shot设置中的分类准确率分别提高了8.15%和7.0%，在数据集Tiered-ImageNet上，5-way 1-shot和5-way 5-shot设置中的分类准确率分别提高了7.77%和6.7%。与位置感知的关系网络模型比，在数据集Mini-ImageNet上，5-way 1-shot设置中分类准确率也提高了1.24%。与其它小样本图像分类算法性能比较，TARN模型在两个数据集上都获得了最佳的识别精度。该方法将任务相关信息和度量网络模型进行结合可以有效提高小样本图像分类准确率。