南京航空航天大学学报

作者：张玉，尚志华，郭晓楠，黄福玉，刘毅志

单位：郑州师范学院信息科学与技术学院,郑州450044；,中国科学技术大学信息科学技术学院,合肥230026；,中国科学技术大学信息科学技术学院,合肥230026；,北京中科研究院,北京100049；,湖南科技大学计算机科学与工程学院,湘潭411201；

关键词：小样本学习;图像分类;类内信息;类间信息

基金：国家自然科学基金重点项目 （U19B2023）；河南省本科高校青年骨干教师培养计划（2021GGJS170）；湖南省教育厅科学研究重点项目 （19A172）。

小样本图像分类任务要求模型仅从少量的图像样本中学到新类别的正确分类方法，是一种特殊的分类任务。然而，以往大多数小样本工作都单独处理来自不同类别的样本，而没有充分利用到不同类别间的信息。本文提出了一种新的类别融合网络（Category-fusion network， CFN），通过融合来自不同类别的样本信息，同时挖掘类别内和类别间的信息。CFN的重要部分是一个融合映射的学习，即如何融合样本中的特征，从而映射出网络参数。其中的一个重要问题是融合映射是否应该随不同的输入样本而改变。本文设计了3个不同的模块：具有固定映射的类无关模块、融合映射仅依赖于期望学习的目标类别的半相关模块和完全相关的模块，其中融合映射完全依赖于输入样本。本文的网络可以通过学习多个类别的样本之间的关系来进行类别概念的学习，并生成融合信息的分类器。实验结果表明，本文网络在广泛应用的MiniImageNet数据集上得到了60.03%的分类精度。

来源：2022年第4期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2022年第4期