CN115272688B 一种基于元特征的小样本学习图像分类方法 （大连理工大学）_第1页
CN115272688B 一种基于元特征的小样本学习图像分类方法 （大连理工大学）_第2页
CN115272688B 一种基于元特征的小样本学习图像分类方法 （大连理工大学）_第3页
CN115272688B 一种基于元特征的小样本学习图像分类方法 （大连理工大学）_第4页
CN115272688B 一种基于元特征的小样本学习图像分类方法 （大连理工大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于元特征的小样本学习图像分类方法本发明公开了一种基于元特征的小样本学习图像分类方法，属于小样本学习图像分类领于样本量过少导致无法容易得区分两个相似类2；fθ表示mf的局部特征描述符组成的集合为fmnE-r:F指一个样本最后能得到的局部特征描符；对于需要分类的查询集样本得到局部特征表示使用k近邻的方别之间的相似性后，得到关于查询集样本的软分类预测标签jr,s查询集中的所有样本和3步骤三、根据局部特征表示合全局特征表示的损失函数L=αLf+βLgα和β都是正的超参数，用于调节两个特征度量部分的权重占比；最后的预测标签4[0002]深度学习的发展让计算机能够在解决许多与人工智能相关的任务中取得较好的5[0012]2.1使用一个局部特征处理网络f对特征表示mf的局部特征描述符组成的集合为F指一个样本最后能得到的局部特描述符；对于需要分类的查询集样本得到局部特征表示使用k近邻[0014]余弦相似性用于度量局部特征描述符之间的距离，表示类别o的所有局部特所有类别之间的相似性后，得到关于查询集样本的软分类预测标签jr,s查询集中的所有[0017]2.2使用一个全局特征处理网络g来67[0041]首先使用了小样本学习图像数据集miniImageNet和tieredImage，根据小样本学使用了k近邻的方法，来度量查询集的样本和支[0046]其中使用了余弦相似性来度量局部特征描述符之间的距离，表示类别o的所支持集中所有类别之间的相似性后，得到关于查询集样本的软分类预测标签对于查询8[0058]得到了两个部分的损失函数后，本文使用了加权求和的方式得到最后的损失函9特征度量部分的相似性度量作为最后的度量标准，舍弃了全局特征度量最后的距离分数，[0068]我们将我们的方法，和以往优秀的方法，分别是：MatchingNetwork(MN)，个卷积核的浅层卷积网络。我们将所有的方法在同样的实验环境下进行模型的训练工作，

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论