基于元学习的小样本学习方法研究.pdf
文本预览下载声明
摘要
随着科技的发展，深度学习在许多领域广泛应用并取得了许多成果.深度学习在
处理大量样本的情况下，具有模型准确率高、学习能力强、处理速度快等优点.然而
实际应用中，许多领域由于数据采集困难、采集成本高或标注困难，无法获取大量样
本.因此在小样本情况下，研究如何训练一个准确度高的预测模型很重要.针对小样
本分类问题，本文基于元学习思想，开展对算法的研究.本文主要工作如下：
（1）基于元学习中的原型网络，提出了解决小样本图像分类问题的加权聚合原
型网络.该网络根据类别中每个
显示全部