基于原型网络的小样本图像识别方法

摘要：

当前的图像识别领域,大部分的分类或者识别方法都建立在已有大量数据的基础上,将大量数据投入训练,经过采样分析、特征提取后做判别分类.然而在现实世界中,大多数目标分类问题并没有大量的标注数据.为了解决基于小样本数据集的图像识别问题,本文首先使用数据增强方法扩充数据集,然后利用多层卷积神经网络将图像映射到高维嵌入空间中,再使用原型网络得到每个类的原型点,根据嵌入空间中测试图像与各个类原型点之间的距离将其分类.实验结果表明,该方法在小样本条件下具有较高的识别准确率和较强的鲁棒性.

关键词：图像识别、小样本、卷积神经网络、原型网络、嵌入空间、数据增强

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目81101116

在线出版日期：2020-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：103-107