【技术实现步骤摘要】
一种基于选择性特征迁移的小样本学习网络
[0001]本专利技术涉及人工智能图像识别中的小样本学习，特别是涉及一种基于选择性特征迁移的小样本学习网络。
技术介绍
[0002]近年来，由于GPU等强大的计算设备、ImageNet等大规模数据集、CNN等先进的模型和算法，人工智能在很多领域都加快了和人类一样的步伐，打败了人类。AlphaGo击败了人类的围棋冠军，ResNet击败了人类对ImageNet的1000类数据的分类率；而在其他领域，人工智能作为高度智能的工具，如语音助手、搜索引擎、自主驾驶汽车、工业机器人等，都进入到了人类的日常生活。
[0003]尽管人工智能的繁荣，但在它像人类一样行动之前，它仍有一些重要的任务要做，其中之一就是要从为数不多的数据中快速归纳出执行任务。回想一下，人类可以将自己所学到的东西迅速归纳到新的任务场景中去，快速地将其归纳为新的任务场景。例如，给定一张照片中的一个陌生人，人类可以从大量的照片中轻松地辨认出来。人类可以将过去所学到的东西结合到新的例子中，因此可以快速地概括成新的任务。相比之下，...
【技术保护点】
【技术特征摘要】
1.一种基于选择性特征迁移的小样本学习网络，其特征在于，包括元学习模块、ResNet模块、选择性对抗迁移网络模块和自注意力模块；元学习模块包括元训练阶段和元测试阶段，元训练阶段通过在与目标任务相近的任务上学习，训练得到能够作为目标任务初始化起点的预训练模型；元测试阶段是在预训练模型上训练目标任务；ResNet模块采用了层级之间的恒等映射，通过残差学习的方式进行训练；选择性对抗迁移网络模块由一个生成器网络和若干个判别器网络组成；生成器网络生成的数据通过一个classifier层得到关于每个判别器网络的权重向量，根据权重向量加权，再传递给后续的判别器网络，每个判别器网络判别收到的数据；数据分布相近的类别所对应的判别器网络的权重会更大，所以特征的迁移由对应的判别器网络进行，避免了负迁移的现象，实现了提升特征迁移的效果；自注意力模块...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。