基于图神经网络的任务驱动元学习方法

摘要

为了解决传统分类模型泛化能力差的问题,提出了一种新的元学习方法。该方法首先引入动态特征提取模块使得分类模型能够挖掘外部的任务信息;其次,采用协同训练的方法解决由于任务驱动模块的引入而导致的计算量增大问题;最后,使用图神经网络作为分类模块充分利用样本之间的相关信息,达到进一步提高分类准确率的目的。与传统的元学习分类模型相比,该方法在MiniImageNet数据集上的准确率提高了6.81%,在CIFAR-FS数据集上的准确率提高了6.20%,实验结果表明,该方法可以有效解决传统元学习方法泛化能力差的问题。