科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提升小样本学习方法的泛化能力，在关系网络的基础上提出一种新的小样本图像分类方法。该方法在原关系网络的结构上进行改进，通过引入inception块增强网络的特征表达能力，同时改进原关系网络中用于相关性计算的激活函数和损失函数，从而实现更好的信息流动，有利于模型的训练，并且使模型具有更好的泛化能力，有效提高小样本图像分类的准确度。在Omniglot、MiniImagenet以及TieredImageNet三个常用小样本学习数据集上进行实验，结果表明：改进的网络比原关系网络模型的分类准确率高，可以有效增强模型的泛化能力。
- 出版日期2023
- 单位沈阳理工大学
