基于空间注意力和类协方差度量的小样本学习

摘要：

近年来,小样本学习逐渐被学术界广泛研究,其旨在使模型在给定样本较少的情况下完成一系列任务.目前基于度量学习的元学习算法被广泛应用于小样本学习中,本文利用度量学习的思想,对基准元度量学习算法原型网络进行改进,提出了注意力类协方差原型网络.首先,为增加模型的泛化能力,提出IBN-Resnet12作为特征提取器;接着,在特征提取模块后加入了空间注意力模块,有效地增强了局部特征;最后提出类协方差度量作为最终的度量分类器,完成了对图像特征维度间相关性的建模.本文在小样本学习经典数据集上进行实验,证明了模型的有效性;同时还进行了大量消融实验,证明了模型改进中各个部分的有效性.

关键词：小样本学习、元度量学习、泛化能力、空间注意力、类协方差度量

所属期刊栏目：32

分类号：TP391.41;TP181;TP274.53

资助基金：河北省自然科学基金资助项目F2020203003

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：801-810