科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对少样本学习问题,提出基于自适应特征比较的算法.通过元学习的策略,在训练集中以基于自适应特征比较的方式学习到可用于直接判断查询图像与每一张训练图像类别相似度分数的知识;利用学习到的知识,在测试过程中将所有支撑图像与查询图像经过一遍前向计算,选取与查询图像经特征比较最相似的一幅支撑图像的类别作为查询图像的类别.算法由特征提取和特征比较两个卷积神经网络子模型组成,分别实现图像空间到特征空间的转换和比较两个特征属于同一类别的相似度.两个子模型组合成一个统一的网络通过端到端的方式进行训练,在两个常用少样本学习公开评测集Omniglot和miniImagenet上的实验证明了提出的算法能够提升少样本学习的性能.
- 单位
