基于张量特征的小样本图像快速分类方法

作者：张艳莎; 冯夫健; 王杰; 潘凤; 谭棉; 张再军; 王林^*

来源：南京大学学报(自然科学), 2022, 58(06): 1059-1069.

DOI：10.13232/j.cnki.jnju.2022.06.014

• 小样本图像分类
• 数据增强
• 张量特征生成器
• 张量特征
• 推理时间

解决小样本图像分类问题最直接的方式是进行数据增强，但目前适用于小样本图像分类的数据增强方法大都存在模型复杂、推理时间长的问题.提出一个张量特征生成器，通过生成新的张量特征在特征空间对小样本图像进行数据增强.基于张量特征生成器，提出一个适用于小样本图像的快速分类方法（Tensor Feature-based Faster Classification Network,TFFCN），该方法网络结构简单，利用残差网络提取图像的张量特征，通过张量特征生成器对小样本图像进行数据增强，从而训练得到一个满意的分类器对查询集图像进行分类，解决了模型推理时间长的问题.为了验证提出模型的有效性，选用公开数据集miniImageNet,CUB以及CIFAR-FS，对分类性能和推理时间进行对比实验.实验结果表明，TFFCN的分类性能优于目前流行的数据增强方法，并且，和改进前的模型相比能有效减少模型的推理时间，采用ResNet18和ResNet12为主干特征提取网络时，随着生成的张量特征数量的增加，最高可减少49%和24%的推理时间，能更快速地完成小样本图像分类任务.

• 单位
  贵州民族大学; 黔南民族师范学院