计算机应用研究

作者：孙统风,王康,郝徐,

单位：中国矿业大学计算机科学与技术学院,江苏徐州221116；

关键词：小样本学习,孪生网络,双重度量,特征提取,局部描述符,

基金：国家自然科学基金资助项目(61976217)；；

为了解决孪生神经网络因使用图像级特征度量，存在对位置、复杂背景及类内差异比较敏感的问题，提出了一种双重度量孪生神经网络（DM-SiameseNet）。具体来说，DM-SiameseNet使用图像级的特征和局部特征（局部描述符）共同表示每幅图像，然后根据两种不同级别的相似度度量学习特征映射，最后使用自适应融合策略，自适应整合两种不同级别特征表示的度量结果。实验结果表明，改进后模型的准确率分别提高了5.04%和9.66%，并且在miniImageNet、TieredImageNet、Stanford Dogs、Stanford Cars和CUB-200数据集上高于只使用图像级的特征表示或者局部描述符表示的度量方法。实验结果证明所提出的模型不仅考虑了图像的全局特征，还可以捕获图像中更多有效的局部特征信息，提高了模型的泛化能力。

来源：2023年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第9期