基于协方差度量矩阵的多尺度融合的小样本学习
Few-Shot Learning Based on Multi-Scale Fusion of Covariance Metric Matrix作者机构：南京理工大学计算机科学与工程学院南京210094
出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)
年 卷 期：2024年第52卷第5期
页 面：1373-1376,1405页
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：对于少量训练样本下的图像分类问题,现有的深度模型算法存在着很多问题。比如传统的基于度量学习的算法只是依据定义的距离关系来推断样本类别,易导致模型在类别过多时难以捕获类间差异。同时它们只聚焦于一阶统计量的关系计算和高层语义信息的利用,忽视了低级丰富的原始视觉特征的表达。针对这些问题,论文提出了基于协方差度量矩阵的多尺度融合算法。该算法利用不同尺度信息下的二阶统计量来更新模型参数。实验结果表明该算法能有效地提高小样本图像分类的准确率,具有一定的实用价值。
维普期刊数据库
同方期刊数据库