基于度量的小样本分类方法研究综述

作者：刘鑫; 周凯锐; 何玉琳; 景丽萍^*; 于剑

来源：模式识别与人工智能, 2021, 34(10): 909-923.

DOI：10.16451/j.cnki.issn1003-6059.202110004

• 小样本学习
• 基于度量的小样本学习
• 类表示
• 相似性学习
• 图像分类

小样本学习旨在让机器像人类一样通过对少量样本的学习达到对事物认知和概括的能力.基于度量的小样本学习方法希望学习一个低维嵌入空间,直接对比查询集合和支持类之间的相似性,分类测试样本.文中针对基于度量的小样本学习方法,尝试从这类方法需要解决的关键问题、类表示学习和相似性度量入手,梳理相关文献.与已有相关综述不同,文中只针对基于度量的小样本学习方法进行更详尽全面的分类,而且从关键问题角度进行分类.最后总结目前代表性工作在常用的图像分类任务数据集上的实验结果,分析现有方法存在的问题,并展望未来工作.

• 单位
  北京交通大学