激光与红外

作者：姜威

单位：1.长春电子科技学院,吉林 长春 130114；2.长春理工大学 计算机科学技术学院,吉林 长春 130022；

关键词：小样本学习;图神经网络;语义特征;注意力机制

基金：国家自然科学基金项目(No.61602058)；吉林省科技发展计划项目(No.20200403188SF)资助。

使用少量样本进行学习和概括的能力是人工智能和人类之间主要的区别。在小样本学习领域,大多数图神经网络专注于将标记的样本信息传递给未标记的查询样本,而忽略了语义特征在分类过程中的重要作用。为此构建了语义特征传播图神经网络,首先将语义特征嵌入到图神经网络中,解决了细粒度图像特征相似性带来的分类准确率低的问题,然后将注意力机制与骨干网络合并达到强化前景并提高特征提取质量的目的,利用马氏距离计算类的相似度得到更好的分类性能,最后使用Funnel ReLU函数作为激活函数进一步提高分类准确率。在基准数据集上实验表明,所提算法相比于基线算法在5类1/2/5样本任务上的准确率分别提高了903%、456%和415%。

来源：2023年第12期

《激光与红外》期刊编辑部

查看激光与红外杂志2023年第12期