《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于深度网络的少样本学习方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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．