基于样本对元学习的小样本图像分类方法

作者:李维刚; 甘平; 谢璐; 李松涛
更新时间:

针对小样本图像分类问题,提出了一种基于成对元学习的分类方法。通过转移学习对预先训练好的Resnet50模型进行了微调,得到了更适合小样本任务的特征编码器。将特征编码器作为元学习模型的初始特征编码器来训练模型,同时,基于支持集和查询集样本之间的相似性,本文还提出了元损失函数(Meta、Loss、ML),它考虑了特征空间中查询集中所有样本之间的关系,为了减少正样本的类内距离,增加正样本和负样本的类间距离,从而提高分类准确率,该方法在1-shot和5-shot任务中的分类准确率分别为77.65%和89.65%,分别比最新的元学习方法高7.38%和5.65%