基于对比学习方法的小样本学习

摘要：

针对目前小样本学习中存在的问题,设计一种新的网络结构及其训练方法以改进小样本学习.该网络在特征嵌入部分采用卷积网络并结合多尺度滑动池化方法以增强特征提取.网络主体结构为类孪生网络,以便于通过样本间的对比从小样本数据中学到语义.网络的训练方法采用嵌套层次的参数更新以保证收敛的稳定性.在两个经典小样本学习数据集上与常用的视觉模型和前沿小样本学习方法进行了对比实验,实验结果表明,该方法在小样本学习的精度上有显著提升,可作为样本不充足情况下的解决方案.

关键词：小样本学习、对比学习、孪生神经网络、滑动池化

所属期刊栏目：61

分类号：TP181(自动化基础理论)

资助基金：吉林省教育厅科学技术研究项目;吉林省教育厅科学技术研究项目;吉林省教育厅科学技术研究项目;国家自然科学基金;吉林省发展;改革委员会省预算内基本建设基金项目

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：111-117