撒卡德和净化:适应任务的多视图功能校准网络,用于几次射击学习

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 少数拍摄图像分类方法在提取互补的多视图功能和最佳功能选择方面扎.
• 现有的方法缺乏对特征校准的特定任务的调整.

研究的目的:

• 提出一个新的任务适应的多视图功能校准网络 (TMCN),以改进少数拍摄图像的分类.
• 解决当前方法中多视图特征提取和选择的局限性.

主要方法:

• TMCN模拟了人类的视觉顺序模式,用于多视图特征提取,生成全球,本地网格和随机特征.
• 全局局部特征校准模块为稳定的非局部表示净化特征.
• 一个采样功能融合方法和一个多视图功能校准模块根据任务信息自适应地融合功能.

主要成果:

• 拟议的TMCN在三个公共数据集上取得了出色的表现.
• 在短时间的图像分类任务中,TMCN超越了最先进的方法.
• 该方法证明了互补的多视图特征的有效提取和校准.

结论:

• 通过有效利用多视图功能,TMCN在少数镜头图像分类方面取得了重大进展.
• 适应任务的特征校准对于提高分类性能至关重要.
• 该方法为适应性特征学习的未来研究提供了坚实的框架.