10.3969/j.issn.1672-6944.2022.16.039
基于ADFRN与SAGCN的少样本学习方法
随着网络深度的增加,图卷积网络容易出现过拟合现象,且现有的少样本学习方法往往会忽略具有类别特点的局部细节信息对于分类的贡献.因此,文章提出了一种基于自适应细节特征增强网络与语义对齐图卷积网络的少样本学习方法,能够根据经验知识去学习生成具有可变感受野范围,并从长宽和通道维度中捕捉具有类别特点的局部细节信息的卷积核.本研究将单一学习任务中所有强化后的特征图构造成图结构数据,利用语义对齐图卷积网络对结点特征进行优化,同时引入语义对齐操作防止出现过拟合现象.
图卷积网络、少样本学习、ADFRN、SAGCN
19
TP391.3;TP183;TP273
2022-11-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
131-134