标签引导的图神经网络小样本图像分类方法

摘要

小样本学习旨在通过有限数量的标记样本来训练分类器，以增强模型的泛化能力.现有方法主要依赖于样本特征作为图节点进行消息传递，并对样本间的关系进行隐式建模.然而，这种方法容易导致特征相似但类别不同的样本之间发生混淆，同时未能充分探索样本间潜在的复杂关系.针对这一问题，本文提出了一种标签引导的图神经网络小样本图像分类方法.该方法通过结合类原型和类标签信息作为图节点构建原型图神经网络，利用样本标签信息引导的相似性网络生成的邻接矩阵构建样本关系图神经网络，并采用一致性损失函数实现了两个图神经网络之间的相互指导与优化.在miniImageNet和tieredImageNet数据集上的实验验证表明，所提出的方法在小样本图像分类任务中的性能优于其它现有代表性方法.

关键词

小样本学习 / 图像分类 / 图神经网络 / 标签信息