科研之友
微信
新浪微博
Facebook
分享链接
摘要
小样本图像分类训练样本过少，若直接用深度学习的方法对其处理会出现过拟合现象，且存在训练好的模型不能很好的泛化到测试任务上等问题.针对以上问题，提出一种基于数据增强的算法去缓解模型过拟合，并结合深度学习网络wide-ResNet28来提升模型的分类性能.此方法没有引用外部数据对当前任务进行数据扩充，而是借助基类数据的语义先验信息对新类数据的特征进行补充，在形成新的特征分布上进行数据增强.该方法在MiniImageNet和Cub 2个小样本数据集上进行实验，图像特征提取的精确度分别达到83.46%、91.61%,验证了该方法的有效性.
- 单位
