基于滑动特征向量的小样本学习方法
曹洁1,2; 屈雪3; 李晓旭1
2020-11-13
发表期刊吉林大学学报(工学版)
摘要针对在小样本学习中,几个样本的特征图不足以描述整个类特征空间,导致误分类的问题。本文提出了滑动特征向量神经网络(slip feature vectors neural network,简称SFV),SFV集合样本局部滑动特征向量构建类特征空间,利用图片特征向量—类特征向量的度量方式,分类查询样本。通过融合特征块的边缘信息以及位置结构的相关性,最大限度地利用了深层特征图信息,扩充类特征空间。并在几个基线数据集上,均取得了不错的效果,尤其在细粒度数据集上,达到了最佳精度。
关键词计算机应用技术 计算机视觉 小样本学习 局部特征 度量学习
DOI10.13229/j.cnki.jdxbgxb20200532
URL查看原文
收录类别CNKI
语种中文
中图分类号TP181
引用统计
文献类型期刊论文
条目标识符https://ir.lut.edu.cn/handle/2XXMBERH/132813
专题计算机与通信学院
作者单位1.兰州理工大学计算机与通信学院;
2.甘肃省城市轨道交通智能运营工程研究中心;
3.兰州理工大学电气工程与信息工程学院
第一作者单位计算机与通信学院
第一作者的第一单位计算机与通信学院
推荐引用方式
GB/T 7714
曹洁,屈雪,李晓旭. 基于滑动特征向量的小样本学习方法[J]. 吉林大学学报(工学版),2020.
APA 曹洁,屈雪,&李晓旭.(2020).基于滑动特征向量的小样本学习方法.吉林大学学报(工学版).
MLA 曹洁,et al."基于滑动特征向量的小样本学习方法".吉林大学学报(工学版) (2020).
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于滑动特征向量的小样本学习方法.pdf(545KB)期刊论文出版稿开放获取CC BY-NC-SA浏览 下载
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[曹洁]的文章
[屈雪]的文章
[李晓旭]的文章
百度学术
百度学术中相似的文章
[曹洁]的文章
[屈雪]的文章
[李晓旭]的文章
必应学术
必应学术中相似的文章
[曹洁]的文章
[屈雪]的文章
[李晓旭]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 基于滑动特征向量的小样本学习方法.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。