基于多重并联图神经网络的小样本图像分类算法

打开文本图片集

摘  要： 小样本学习（few-shot learning， FSL）中，由于样本量过少，导致了特征多样性的降低。为了弥补特征多样性的降低，提出通过提高模型的特征提取能力，以获得更为充分的特征数量。利用多重并联图神经网络来进行多重特征提取，使模型更充分地提取图像特征，从而提升小样本图像分类任务的分类准确率。（剩余6599字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。