小样本图像识别是计算机视觉中的关键问题。针对小样本情况下度量学习方法的类别原型不准确、泛化能力差问题，本文采用以下措施来提高小样本图像识别准确率：第一、为减缓样本稀缺问题，利用掩膜自编码器进行图像扩充，提高样本复杂度。第二、设计多尺度注意力模块，突出类别相关特征，解决类别原型偏差大的问题。第三、提出领域自适应模块，引入间隔损失函数，优化嵌入函数的表征能力，实现新类样本的精确表征，增强模型的泛化能力。通过在多个公开数据集上进行实验表明，本文方法可以有效提升小样本图像识别准确率。
科研之友
微信
新浪微博
Facebook
分享链接
