计算机辅助设计与图形学学报

作者：郭璐, 刘斌, 李维刚, 甘平

关键词：困难样本对, 小样本学习, 元学习, 度量学习

使用少量标签样本训练得到的传统模型往往预测精度低、泛化能力弱, 很难应用到实际生产中. 针对小样本图像提出一种基于困难样本对激励分类方法, 包括预训练阶段和元学习阶段. 预训练阶段在基类数据集上训练编码器, 并作为元学习阶段的初始特征编码器; 元学习阶段将进一步优化此编码器, 元训练过程使用本质特征法降低异常样本对质心的影响; 结合度量学习与元学习设计了困难样本对激励损失函数, 从样本对角度出发, 在训练过程中引导模型扩大正负样本间距离, 使同类样本更加紧凑. 在公开数据集mini-ImageNet, tiered-ImageNet上进行实验的结果表明, 分类精度分别为64.12%, 70.15%, 验证了所提方法的有效性和可行性.

来源：2024年第6期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第6期