基于度量学习与数据增强的小样本识别算法的研究与实现.docx
文本预览下载声明
基于度量学习与数据增强的小样本识别算法的研究与实现
基于度量学习与数据增强的小样本识别算法的研究与实现 摘要：在实际应用中，小样本识别一直是一个备受关注的问题。针对传统的分类算法在小样本情况下的表现不佳，本论文提出一种基于度量学习与数据增强的小样本识别算法，该算法利用度量学习的思想，通过将特征空间转换为度量空间，实现对特征相似性的量化度量。同时，该算法使用数据增强技术增加样本的数量，并通过模型预测产生的新样本来扩充训练集，提升模型的泛化能力。在多个数据集上的实验结果表明，该方法在小样本识别任务中取得了较优的性能，证明了其在实际应用中的可行性。 关键词：小样本识别；度量学习；数据增强；深度学
显示全部