科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度学习取得了巨大成就，尤其是在计算机视觉领域，已经接近人类水平。但是这些成果大多依赖于巨大规模的训练数据，在面对数据量较小的情况时，往往产生严重的过度拟合和灾难性的遗忘。最近的研究表明，采用元学习的方法可以解决此问题。元学习模型由特征提取与分类算法两个模块组成，目前大部分研究都关注于设计合适的分类算法，忽视了特征的重要性。本文认为每个类都有自身独有的一些类特征，这些特征更明显的图像更易于识别。因此提出了类特征增强的方法，借助相似类来获得类特征，在特征的层面上对图像进行增强，使提取后的特征更有利于当前的分类任务。类特征增强是一个通用框架，可以与大多数元学习方法相结合。本文将其与常用的原型网络相结合，在Mini-ImageNet数据集上取得了更好的实验效果。
- 单位
