《表2 mini Image Net数据集下DL-FSL方法与目前主流少样本学习方法准确率对比》
将mini Image Net数据集划分成训练集64种,验证集(包含验证时的支持集与测试集)16种,支持集与测试集20种.按照实验一的步骤进行实验,结果如表2所示.从表2中可以看出,5 way 1 shot设定下,DL-FSL方法的准确率达到了52.06±0.82%,比Relation Nets(50.44±0.82%)的准确率高出了1.62%,且超过了现有主流的其它少样本算法;5 way 5 shot设定下,DL-FSL方法的准确率达到了67.75±0.70%,比Relation Nets(65.32±0.70%)的准确率高出了2.43%,除了略低于Prototypical Nets(68.20±0.66%),也均超过了其它主流的少样本学习算法.实验结果说明了DL-FSL方法对少样本学习算法具有很好的提升效果,也说明通过DL-FSL方法确实能提高少样本学习算法模型的泛化能力.
图表编号 | XD00212220800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 余游、冯林、王格格、徐其凤 |
绘制单位 | 四川师范大学计算机科学学院、四川师范大学计算机科学学院、四川师范大学计算机科学学院、四川师范大学计算机科学学院 |
更多格式 | 高清、无水印(增值服务) |