-
题名融合多粒度注意力特征的小样本分类模型
- 1
-
-
作者
韩岩奇
苟光磊
李小菲
朱东华
-
机构
重庆理工大学计算机科学与工程学院
重庆理工大学大数据与人工智能实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第7期2235-2240,共6页
-
基金
国家自然科学基金资助项目(62141201)
重庆市教委科学技术研究项目(202201102)。
-
文摘
在小样本分类任务中,现有的CNN模型存在特征提取不足、特征单一和小样本数据集类间差异化较弱的问题,导致分类精度较低。针对以上问题,提出一种融合多粒度注意力特征(fusion multi-granular attention feature,FMAF)的小样本分类模型。首先,该方法借鉴多粒度思想,重新设计CNN特征提取网络的架构来增强特征多样性;其次,在多粒度特征提取网络后添加自注意力层,提取多粒度图像特征中的关键特征,在多粒度注意力特征的基础上,借助特征融合方法融合多粒度注意力特征信息,突出关键特征,提高特征的表征力;最后,在两个经典的小样本数据集miniImageNet和tieredImageNet上进行了评估。实验结果表明,FMAF方法能有效提升分类的准确度和效率。
-
关键词
小样本学习
多粒度特征融合
自注意力机制
标签传播
-
Keywords
FSL
multi-granular feature fusion
self-attention mechanism
label propagation
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
