基于任务自适应特征分布的少样本细粒度目标分类网络
计算机视觉与模式识别
2024-11-19 v2
摘要
基于距离的少样本细粒度分类因其简单性和高效性而显示出前景。然而，现有方法常常忽视任务级别的特殊情况，难以准确描述类别并处理无关样本信息。为此，我们提出了 TAFD-Net：一种任务自适应特征分布网络。它包含用于捕捉任务级别细微差异的任务自适应嵌入组件、用于计算查询样本与支持类别之间特征分布相似性的非对称度量，以及用于提升性能的对比度度量策略。我们在三个数据集上进行了大量实验，实验结果表明，我们提出的算法优于最近的增量学习算法。
引用
@article{arxiv.2410.09797,
title = {Task Adaptive Feature Distribution Based Network for Few-shot Fine-grained Target Classification},
author = {Ping Li and Hongbo Wang and Lei Lu},
journal= {arXiv preprint arXiv:2410.09797},
year = {2024}
}
备注
The presentation logic of the algorithm section in the paper is unclear, and there are errors in the experimental part that need to be corrected, along with additional experiments to be conducted