近日,数学与数据科学学院李剑教授团队在小样本图像识别方面取得新进展,相关研究论文“Few-shot Classification with Fork Attention Adapter”于Pattern Recognition(PR)发表,主要工作由李剑教授和博士生孙洁琪共同完成,李剑教授、博士生孙洁琪分别为论文的第一作者或通讯作者,6165cc金沙总站检测中心为第一通讯单位。
小样本学习是目前深度学习领域的研究热点和重要方向之一,在图像分类、图像分割等计算机视觉任务中具有广泛的应用。然而,在方法上依然存在许多问题值得深入探究,如基于单一低分辨表征对的相似度计算的有效性。本论文为了缓解单一表征相似度量的不稳定性,我们提出了叉状注意适配器 (Fork Attention Adapter, FA-adapter) 小样本图像分类方法。该方法可以无缝地与新生成的细微特征建立密集特征的相似性。该算法在经典小样本数据集mini-ImageNet, tiered-ImageNet, CUB-200-2011以及FGVC-Aircraft等中进行5-way 1-shot及5-way 5-shot测试,分类精度得到了一致且显著的提高。
据悉,Pattern Recognition是模式识别领域的顶级期刊之一,是中科院一区Top期刊,在全球机器学习与模式识别领域具有较高的影响力。中国计算机学会(CCF)评价该期刊为“国际重要期刊,具有重要的国际学术影响力”。
文章链接:https://doi.org/10.1016/j.patcog.2024.110805
(核稿:李剑 编辑:刘倩)