基于域通道知识鉴别框架的跨域少样本图像分类

• 作者: 余悦 沈维杰 陈楠 江苏大学计算机科学与通信工程学院
• 来源期刊: 计算技术与自动化
• 学科: 工学
• 关键词: 跨域少样本图像分类;少样本学习;域泛化;深度学习
• 年，卷（期）: 2025,（4）
• 页码范围: 104-109
• 页数: 6页
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202404017

摘要

现有的跨领域少样本分类模型受限于域特定因素的干扰，限制了其有效性。为此，提出了一种基于高斯仿射的通道鉴别网络。具体来讲，所提出的学习框架包含随机高斯仿射模块和域通道鉴别模块，在随机高斯仿射模块中，通过对特征的充分统计量进行高斯扰动以生成区别于源域数据分布的全新特征分布，从而显著化训练数据特征中域不变信息；在域通道鉴别模块中，将经过增强前后的特征图输入到域鉴别器中引导模型区分和提取其中的域不变特征，以达到提高模型泛化能力的目的。最后，在两个目标数据集进行实验，结果验证了所提出方法的可行性和有效性。