-
题名小样本图像分类研究综述
被引量:10
- 1
-
-
作者
安胜彪
郭昱岐
白宇
王腾博
-
机构
河北科技大学信息科学与工程学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第3期511-532,共22页
-
基金
国家自然科学基金(61902108)
河北省自然科学基金(F2019208305)。
-
文摘
近年来,借助大规模数据集和庞大的计算资源,以深度学习为代表的人工智能算法在诸多领域取得成功。其中计算机视觉领域的图像分类技术蓬勃发展,并涌现出许多成熟的视觉任务分类模型。这些模型均需要利用大量的标注样本进行训练,但在实际场景中因诸多限制导致数据量稀少,往往很难获得相应规模的高质量标注样本。因此如何使用少量样本进行学习已经逐渐成为当前的研究热点。针对分类任务系统梳理了当前小样本图像分类的相关工作,小样本学习主要采用元学习、度量学习和数据增强等深度学习方法。从有监督、半监督和无监督等层次归纳总结了小样本图像分类的研究进展和典型技术模型,以及这些模型方法在若干公共数据集上的表现,并从机制、优势、局限性等方面进行了对比分析。最后,讨论了当前小样本图像分类面临的技术难点以及未来的发展趋势。
-
关键词
深度学习
监督学习
元学习
度量学习
图像分类
-
Keywords
deep learning
supervised learning
meta-learning
metric learning
image classification
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-