《表3 在mini Image Net上的小样本分类精度》
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。
图表编号 | XD0098406900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.16 |
作者 | 汪荣贵、郑岩、杨娟、薛丽霞 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |