针对目前小样本学习中存在的问题，设计一种新的网络结构及其训练方法以改进小样本学习.该网络在特征嵌入部分采用卷积网络并结合多尺度滑动池化方法以增强特征提取.网络主体结构为类孪生网络，以便于通过样本间的对比从小样本数据中学到语义.网络的训练方法采用嵌套层次的参数更新以保证收敛的稳定性.在两个经典小样本学习数据集上与常用的视觉模型和前沿小样本学习方法进行了对比实验，实验结果表明，该方法在小样本学习的精度上有显著提升，可作为样本不充足情况下的解决方案.
科研之友
微信
新浪微博
Facebook
分享链接
