克服小样本学习中灾难性遗忘方法研究

针对小样本学习在识别新类别时会出现灾难性遗忘的问题，提出一种小样本学习中克服灾难性遗忘的方法。结合卷积神经网络识别模型提取图片特征，引用注意力机制设计分类权重生成器，使新类权重的生成基于基类权重。通过基于皮尔森相似度的识别模型计算新类特征与基类图片分类权重之间的相似度，判断新类图像的类别。在三种数据集进行实验，结果表明：该方法使小样本图像分类的精度得到了一定程度的提升，同时不会牺牲基类的识别准确度，克服了灾难性遗忘。

http://www.shcas.net/jsjyup/pdf/2020/7/%E5%85%8B%E6%9C%8D%E5%B0%8F%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0%E4%B8%AD%E7%81%BE%E9%9A%BE%E6%80%A7%E9%81%97%E5%BF%98%E6%96%B9%E6%B3%95%E7%A0%94%E7%A9%B6.pdf

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“小样本灾难” 可以获取《克服小样本学习中灾难性遗忘方法研究》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源