针对7上不足，提出了基于正则化元学习算法(Regularized Meta Learning,REML)用于小样本图像分类。该算法通过在元学习的目标函数中添加正则化项,7阻止元学习的初始模型偏向于部分训练任务，使元学习模型具有更强适应新任务的能力。此外针对元学习过程中涉及二阶求导使得计算量较大的不足,采用一阶导数近似二阶导数，7...
针对以上问题提出了一种基于深度互信息元度量学习的小样本图像分类方法.利用自监督学习策略最大化每个图像独立区域提取的特征之间的互信息,和最大化多个特征尺度之间的互信息,得到良好的特征提取网络.与采用神经网络的传统分类器不同,本方法采用一种简单的基于类协方差的马氏距离度量方式实现分类,减轻了网络复杂程度,...
小样本图像分类是小样本学习在图像分类中的应用,本文以元学习为基本策略,结合度量学习和深度学习的方法,对小样本图像分类算法展开研究,其主要研究内容如下:(1)针对经典的小样本学习模型原型网络(Prototypical Net,PN)的不足,提出了适用于小样本图像分类问题的注意力类协方差原型网络(Attention-based Class Covarance ...
交互的梯度计算算法上做出改进,减少元学习器对小样本文本分类任务特性的错误学习,从而一定程度上改善了元学习模型的过拟合问题.(3)提出一种基于梯度筛选的自适应元学习小样本文本分类算法.在该算法中提出了一种梯度筛选机制,依照梯度筛选结果来判定元训练阶段中各个任务的特征是正面还是负面,元学习器根据该判定结果,...
基于元学习的小样本高光谱图像分类算法研究 近年来,高光谱遥感图像的获取变得越来越容易,由于它们对光谱具有很强的分辨能力,因此被广泛应用于环境,军事,采矿和医学领域.高光谱图像分类是高光谱领域十分活跃的研... 丁岚纬 - 《南京理工大学》 被引量: 0发表: 2022年 基于深度元学习的小样本图像分类研究综述 深度...