基于滑动特征向量的小样本学习方法 | |
曹洁1,3; 屈雪2; 李晓旭1 | |
刊名 | 吉林大学学报(工学版)
![]() |
2020-11-13 | |
关键词 | 计算机应用技术 计算机视觉 小样本学习 局部特征 度量学习 |
DOI | 10.13229/j.cnki.jdxbgxb20200532 |
英文摘要 | 针对在小样本学习中,几个样本的特征图不足以描述整个类特征空间,导致误分类的问题。本文提出了滑动特征向量神经网络(slip feature vectors neural network,简称SFV),SFV集合样本局部滑动特征向量构建类特征空间,利用图片特征向量—类特征向量的度量方式,分类查询样本。通过融合特征块的边缘信息以及位置结构的相关性,最大限度地利用了深层特征图信息,扩充类特征空间。并在几个基线数据集上,均取得了不错的效果,尤其在细粒度数据集上,达到了最佳精度。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/132813] ![]() |
专题 | 计算机与通信学院 |
作者单位 | 1.兰州理工大学计算机与通信学院; 2.兰州理工大学电气工程与信息工程学院 3.甘肃省城市轨道交通智能运营工程研究中心; |
推荐引用方式 GB/T 7714 | 曹洁,屈雪,李晓旭. 基于滑动特征向量的小样本学习方法[J]. 吉林大学学报(工学版),2020. |
APA | 曹洁,屈雪,&李晓旭.(2020).基于滑动特征向量的小样本学习方法.吉林大学学报(工学版). |
MLA | 曹洁,et al."基于滑动特征向量的小样本学习方法".吉林大学学报(工学版) (2020). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论