基于原型嵌入图网络的小样本图像分类

来源：电子测量技术杂志2024年第5期北京时间：

作者：陈望，李志玲，王前，包春梅，王林

单位：1.贵州民族大学数据科学与信息工程学院 贵阳 550025; 2.贵州省模式识别与智能系统重点实验室贵州民族大学 贵阳 550025

摘要：针对在小样本图像分类中传统骨干卷积网络进行特征提取时会有上下文信息单一和感受野受限以及边特征相似度度量缺乏全局性问题，本文提出了一种基于原型嵌入图网络的小样本图像分类算法。首先，将CBAM产生的权重值与ASPP以不同采样率获取的不同尺度特征进行相乘的特征作为图网络的节点嵌入特征。然后，采用原型网络的方法在度量模块中构建了原型节点，使得成对节点之间的相似性计算转化为单个节点与原型节点相似性的和计算，将得到的相似度作为边特征输入图神经网络。最后，利用双图结构在多个更新代后将标签信息从有标签样本传播到无标签样本。在以ResNet-12为骨干卷积网络的算法分类任务中，本文在miniImageNet、tieredImageNet、CUB-200-2011和CIFAR-FS 4个数据集上的5-way 1-shot的任务分类准确率分别达到了71.47%、75.41%、86.21%和79.84%，在以Conv-4作为骨干卷积网络中，本文提出的算法在5-way 1-shot和5-way 5-shot任务中都优于现有的图网络方法。

关键词：图神经网络;小样本学习;原型节点;多尺度特征融合;图像分类

基金资助：国家自然科学基金(62241206)、贵州省科技计划项目(黔科合基础-ZK［2022］一般195，黔科合基础-ZK［2023］一般143，黔科合基础-ZK［2022］一般 550，黔科合平台人才-ZCKJ［2021］007)、贵州省青年科技人才成长项目((黔教合KY字［2021］104)、贵州省教育厅自然科学研究项目(黔教技［2023］012号，黔教技［2022］015号，黔教技［2023］061号)、贵州省教育厅青年科技人才成长项目(黔教合KY字［2021］115，黔教合KY字［2021］11