基于特征聚合网络的小样本学习方法

摘要：

针对深度学习中使用少量样本完成模型训练的小样本学习问题,构建一种双路的特征聚合网络,并提出一种新的综合损失函数对网络模型的参数更新过程加以控制.通过综合损失函数,特征聚合网络可将样本映射到更具代表性的特征空间中,从而获得更优的特征分布.实验结果表明,与MN、PN等方法相比,该特征聚合网络能有效降低特征空间的复杂性,提升整体模型的分类效果.

关键词：深度学习、小样本学习、特征提取、度量学习、特征聚合

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金"基于视听信息融合的情感机器人情感识别与情感建模研究"61672202

在线出版日期：2021-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：77-82