小样本学习图像分类算法研究.docx
文本预览下载声明
小样本学习图像分类算法研究
摘要
最近，深度学习技术在计算机视觉、自然语言处理等领域高速发展。相较于传统机器学习模型，基于大数据的深度学习模型在工业应用中取得了更好的效果。但是在诸如医疗、教育等场景下，可取得的数据还没有达到规模量，这限制了模型的性能表现。因此，近些年，小样本学习成为了深度学习领域里的一个重点研究方向。本文重点研究的是图像识别领域里基于度量的小样本学习，旨在通过算法优化实现图像识别准确率的提升。
小样本学习一般是采用简单算术平均法来计算样本的原型特征。但是，该做法无法有效利用样本的特征信息，反而会影响特征提取的有效性。针对这个问题，我们提出了两种加权平均算法，卷积加
显示全部