原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
摘要
少样本图像分类任务主要是利用少量的样本图像训练模型，并对新的样本图像进
行分类。由于其自身优势，被广泛应用于实际生活和工业生产中。但是由于现存网络的
灾难性遗忘和特征提取能力不足，导致少样本图像分类精度较低。因此，本文从基于空
频域特征表征网络的少样本图像分类算法着手，针对现存问题提出三种算法，旨在提
高少样本图像分类准确率。具体研究内容如下：
(1)针对传统深度学习算法提取图像显著特征能力有限，以及
文档评论（0）