近日，陕西科技大学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，相关研究论文以“Few-shot Classification with Fork Attention Adapter”为题发表于Pattern Recognition上。
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。该论文为了缓解单一表征相似度量的不稳定性，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。
该研究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，陕西科技大学为第一通讯单位。
相关论文信息：https://doi.org/10.1016/j.patcog.2024.110805
版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。
