《表3 在mini Image Net上的小样本分类精度》

  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

《代表特征网络的小样本学习方法》

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

注:加粗字体表示最优结果。

mini ImageNet数据集在小样本分类任务上基本属于基准数据集，由于使用的图像分类领域的基准数据集ImageNet的数据复杂，具有较高的复杂度，可以很好地检验模型方法的能力，数据分布和每类样本数量又很适合小样本分类任务，所以一经提出即很受欢迎。本文在该数据集上进行了详细的对比实验，验证本文各个优化方法的能力，并且与匹配网络[28]、元学习（LSTM）[22]、未知模型元学习[23]、原型网络、相关网络[32]等近年来的多个主流方法进行对比，如表3所示。