基于形状空间理论的自适应测地线特征增强方法
计算机视觉与模式识别
2025-09-09 v2 机器学习
摘要
深度学习模型已广泛应用于各个领域和行业。然而，许多领域仍面临数据有限和不足的挑战。本文提出了一种基于形状空间理论的自适应测地线特征增强（FAAGC）方法，用于预形状空间中的数据增强。在预形状空间中，具有相同形状的物体位于大圆上。因此，我们将深度模型表示投影到预形状空间，并为每个类别构建一条测地线，即大圆的一个弧。随后，通过在这些测地线路径上进行采样来实现特征增强。广泛的实验表明，FAAGC在数据稀缺条件下提高了分类准确率，并且在 various feature types 之间具有良好的泛化性。
引用
@article{arxiv.2501.18619,
title = {FAAGC: Feature Augmentation on Adaptive Geodesic Curve Based on the shape space theory},
author = {Yuexing Han and Ruijie Li},
journal= {arXiv preprint arXiv:2501.18619},
year = {2025}
}