基于D-ResNeXt骨干网络的小样本图像分类算法OA北大核心CSTPCD
Few-shot Image Classification Algorithm Base on D-ResNeXt Backbone Network
小样本图像分类目前是人工智能领域中非常重要的方向之一,其中基于度量学习的方法具有简洁高效的特点.针对目前图像分类中特征提取阶段所使用的骨干网络问题,现有工作大多使用传统残差网络,受数据集的影响,对类内差异大的图片特征提取效果不佳.ResNeXt为传统残差网络ResNet的升级版本,优化了在特征提取阶段准确度不高,误差较大的问题.根据其网络特点,本文设计出一种适用于小样本模型的网络变体,运用其变体作为骨干网络,提高其特征提取能力,同时结合两种注意力…查看全部>>
Few-shot image classification is currently one of the most important directions in the field of artificial intelligence.In this area,the method based on metric learning is concise and efficient.To address the problem of the backbone network used in the fea-ture extraction stage of current image classification,most existing works use traditional residual networks,which extracts poorly the features of images with large intra-class differences as the method is …查看全部>>
杨红菊;翟艳峰
山西大学 计算机与信息技术学院,山西 太原 030006||山西大学 计算智能与中文信息处理教育部重点实验室,山西 太原 030006山西大学 计算机与信息技术学院,山西 太原 030006
计算机与自动化
小样本学习图像分类注意力机制度量学习残差网络
few-shot learningimage classificationattention mechanismmetric learningresidual network
《山西大学学报（自然科学版）》 2024 (4)
761-766,6
国家自然科学基金(61976128)山西省回国留学人员科研资助项目(2022-008)
评论