基于特征聚合网络的小样本学习方法

• 作者: 叶萌 杨娟 汪荣贵 薛丽霞 李懂
• 来源期刊: 计算机工程
• 关键词: 深度学习 小样本学习 特征提取 度量学习 特征聚合
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 77-82
• 页数: 6页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056634

摘要

针对深度学习中使用少量样本完成模型训练的小样本学习问题,构建一种双路的特征聚合网络,并提出一种新的综合损失函数对网络模型的参数更新过程加以控制.通过综合损失函数,特征聚合网络可将样本映射到更具代表性的特征空间中,从而获得更优的特征分布.实验结果表明,与MN、PN等方法相比,该特征聚合网络能有效降低特征空间的复杂性,提升整体模型的分类效果.