多级注意力特征网络的小样本学习
针对目前基于度量学习的小样本方法存在特征提取尺度单一,类特征学习不准确,相似性计算依赖标准度量等问题,该文提出多级注意力特征网络.首先对图像进行尺度处理获得多个尺度图像;其次通过图像级注意力机制融合所提取的多个尺度图像特征获取图像级注意力特征;在此基础上使用类级注意机制学习每个类的类级注意力特征.最后通过网络计算样本特征与每个类的类级注意力特征的相似性分数来预测分类.该文在Omni-glot和MiniImageNet两个数据集上验证多级注意力特征网络的有效性.实验结果表明,相比于单一尺度图像特征和均值类原型,多级注意力特征网络进一步提高了小样本条件下的分类准确率.
图像处理、多尺度图像、小样本学习、多级注意力特征、相似性度量
42
TN911.73;TP391.41
国家自然科学基金;国家自然科学基金-深圳联合基金
2020-03-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
772-778