基于协方差度量矩阵的多尺度融合的小样本学习
莫春晗
陆建峰
南京理工大学计算机科学与工程学院 南京 210094
摘要：对于少量训练样本下的图像分类问题,现有的深度模型算法存在着很多问题.比如传统的基于度量学习的算法只是依据定义的距离关系来推断样本类别,易导致模型在类别过多时难以捕获类间差异.同时它们只聚焦于一阶统计量的关系计算和高层语义信息的利用,忽视了低级丰富的原始视觉特征的表达.针对这些问题,论文提出了基于协方差度量矩阵的多尺度融合算法.该算法利用不同尺度信息下的二阶统计量来更新模型参数.实验结果表明该算法能有效地提高小样本图像分类的准确率,具有一定的实用价值.
关键词：协方差度量矩阵多尺度融合小样本学习
分类号：TP391(计算技术、计算机技术)
论文发表日期：2024-05-20
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：5( 1373-1376,1405 )
英文信息