基于转导推理的小样本学习方法改进

摘要

针对目前小样本图像分类推断置信度有待提高的问题，提出一个新的结合元置信转导推理、数据混淆方法和按特征线性调制方法的模型.首先，利用转导推理在训练过程中能学习到推断数据的性质，可以有针对性地学习；其次，在网络结构中结合数据混淆方法，加强对关键特征的提取，提升模型的特征发现能力；最后，在转导推理框架中加入按特征线性调制变换以改进模型的小样本查询能力.在标准数据集Mini-ImageNet和Tiered-ImageNet上进行实验的结果表明，该模型在这两个数据集上执行5-way 1-shot任务时准确率分别提升了3.21,3.36个百分点，在5-way 5-shot任务上准确率分别提升了2.89,1.89个百分点.实验结果验证了该方法的有效性.

关键词

小样本学习 / 转导推理 / 数据扰动 / 按特征线性调制变换