任务相关的图像小样本深度学习分类方法研究

摘要

传统基于度量学习的图像小样本分类方法与任务无关,这导致模型对新查询任务的泛化能力较差.针对该问题,该研究提出一种任务相关的图像小样本深度学习方法——可以根据查询任务自适应地调整支持集样本特征,从而有效形成任务相关的度量分类器.同时,该研究通过引入多种正则化方法,解决了数据量严重不足所带来的过拟合问题.基于miniImageNet和tieredImageNet两个常用标准数据集,在特征提取网络相同的前提下,所提出方法在miniImageNe中1-shot上获得了66.05％的准确率,较目前最好的模型提高了4.29％.