基于两阶段特征空间增强的小样本图像分类模型
黎格献1
章晓爽1
贺永姣1
杜阳1
张艳莎1
王林2
1.贵州民族大学 数据科学与信息工程学院,贵阳 550025;贵州民族大学 贵州省模式识别与智能系统重点实验室,贵阳 5500252.贵州民族大学 贵州省模式识别与智能系统重点实验室,贵阳 550025
摘要：在小样本学习任务中,针对传统的骨干卷积网络在提取图像特征时,由于多层卷积忽视细节特征导致特征信息丢失,因而图像分类准确率不高的问题,提出了基于两阶段特征空间增强的小样本图像分类模型.首先,该模型在残差网络(residual network,ResNet)12 的底层引入中值增强的空间和通道注意力块(median-enhanced spatial and channel attention block,MESC);然后,该模型在ResNet12 的中高层引入空间组增强(spatial group-wise enhance,SGE)模块,提升卷积神经网络中的语义特征学习能力,使模型有效提取特征图关键信息.该模型通过增强有限的训练样本的特征表示来提高分类性能,增强模型对噪声的鲁棒性.结果表明,该模型在加州理工学院-加利福尼亚大学圣地亚哥分校鸟类(California Institute of Technology-University of California at San Diego birds,CUB)-200-2011 数据集上,5 类别1 样本和5 类别5 样本2 种参数设置下的分类准确率分别比分布传播图网络(distribution propagation graph network,DPGN)模型提高了约 5.15%和 1.92%;在分层图像网络(tiered ImageNet,tieredImageNet)数据集上,这 2 种参数设置下的分类准确率分别比DPGN模型提高了约 1.04%和 0.55%.该模型提升了小样本图像分类任务的性能.
关键词：卷积神经网络小样本学习图像分类特征空间增强注意力机制通道注意力空间组增强
分类号：TP391.4(计算技术、计算机技术)
资助基金：贵州省科技计划项目(ZCKJ(2021)007)贵州省模式识别与智能系统重点实验室开放课题(GZMUKL(2022)KF01)贵州省模式识别与智能系统重点实验室开放课题(GZMUKL(2022)KF05)贵州民族大学基金科研项目(GZMUZK(2023)YB14)
论文发表日期：2025-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 231-236,279 )
英文信息