基于潜空间变换和空间频率融合的小样本分类
王逍
丁胜
武汉科技大学计算机科学与技术学院 武汉 430065
摘要：针对小样本分类具有少量标注样本而产生不确定性的问题,提出对图像进行一系列操作的方法,以及训练时采用空间信息与频域信息相结合的方法.首先,在图像预处理阶段将RGB图像转换成YCbCr图像,再使用离散余弦变换(DCT)来生成频域信息,对图像进行预处理并确保信息的完整性.其次,对特征向量进行预处理,使用潜空间变换算法修改每个类的类分布,使其趋向高斯分布,并使用最优传输算法(Sinkhorn)估计最优传输以实现初始分布趋向于高斯分布,提升分类的精确度.最后,使用空间信息和频域信息相结合的训练方法训练网络,以充分利用图像的信息来提高训练效果.实验结果表明,在数据集Mini-ImageNet、CIFAR-FS和CUB 200的5-way 1-shot分类任务中分类精度达到85.24%、88.21%和94.28%,在和5-way 5-shot分类任务中分类精度达到90.52%、91.18%和95.88%.
关键词：小样本分类频域信息潜空间最优传输高斯分布
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：7( 3240-3246 )
英文信息