一种基于原型校正的小样本学习算法.pdfVIP

小型微型计算机系统2025年3月第3期

DOI:10.20009/j.cnki.21-1106/TP.2023-0573

JournalofChineseComputerSystemsVol.46No.32025

一种基于原型校正的小样本学习算法

梁辰晨，江宸逸，王室栋?，张浩峰1

1（南京理工大学计算机科学与工程学院，南京210094)

2（纽卡斯尔大学计算学院，纽卡斯尔NE17RU）

E-mail:zhanghf@njust.edu.cn

摘要：现有的少样本学习（Few-ShotLearning）方法通常使用基于任务（episode）的训练策略训练模型，但在随机采样构建任

务的过程中不可避免地存在采样偏差问题，质量较差的支持样本一定程度上导致模型难以收敛，本文提出了交互视图原型校正

网络通过两种策略缓解这个问题，首先，模型利用全局信息来纠正每个任务中的支持样本特征，从而缓解随机采样导致的原型

偏移问题；其次，文中提出了实例原型生成算法，该算法利用支持样本特征的局部视图原型集根据不同的查询样本实例生成对

应的实例级原型，从而优化了使用支持样本全局特征作为类原型区分度不足的问题.模型在多个基准数据集上的进行了充分实

验，实验结果验证了方法的有效性及鲁棒性。

关键词：小样本学习；原型校正；图像分类；原型集生成

中图分类号：TP181文献标识码：A文章编号：1000-1220(2025)03-0520-08

PrototypeCalibrationBasedFew-shotLearningAlgorithm

LIANGChenchen,JIANGChenyi,WANGShidong,ZHANGHaofeng

1(SchoolofComputerScienceandEngineering,NanjingUniversityofScienceandTechnology,Nanjing210094,China)

2(SchoolofComputing,NewcastleUniversity,NewcastleNE17RU,UK)

Abstract:ExistingFew-ShotLearning(FSL)methodscommonlyuseepisode-basedtrainingstrategytotrainmodels,butthisinevitably

hasasamplebiasproblemthatmakesitdifficultforthemodeltomaintaingoodperformancewithpoor-qualitysupportsamples.This

paperproposesaMutual-viewprototypecalibrationnetworktoalleviatethisproblemintwoways.First,themodelutilizesglobalinfor-

mationtocorrectsupportfeaturesineachepisode,therebyalleviatingtheprototypeoffsetproblemcausedbyrandomsampling;Sec-

ond,thispaperproposesaninstanceprototypegenerationalgorithm,whichusesthelocal-viewprototypesetofsupportfeaturesand

generatesqueryinstance-levelprototypesbasedondifferentqueryimages,thuseliminatingthedisadvantageofusingtheglobalfeature

ofsupportimagesasclassprototypes.Extensiveexperimentson