跨域图像空间数据少样本学习研究OA
跨域图像空间数据少样本学习(Few-Shot Learning, FSL)是近年来机器学习研究领域的热点,旨在利用少量的有标签图像空间源域数据训练一个可靠的模型对分布差异大的图像目标域数据进行分类。概述了近年来主要的跨域图像空间数据FSL模型,根据模型解决问题的主要思想,将其分类为数据引入法、特征增强法、参数控制法以及混合法。将数据引入法细分为基于单源域数据、基于多源域数据和基于目标域数据;将特征增强法细分为特征转换和特征融合;将混合法细分为不同…查看全部>>
岳灵;李晓宁;韩楠;秦启平;冯越;冯林
四川师范大学计算机科学学院,四川成都610101四川师范大学计算机科学学院,四川成都610101成都信息工程大学管理学院,四川成都610225成都天仁民防科技有限公司,四川成都610037四川师范大学计算机科学学院,四川成都610101四川师范大学计算机科学学院,四川成都610101
计算机与自动化
少样本学习跨域少样本学习图像空间特征增强
《无线电工程》 2024 (12)
P.2800-2819,20
评论