基于滑动特征向量的小样本学习方法

doi:10.13229/j.cnki.jdxbgxb20200532

	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).