小樣本點云分類的原型分布校正

摘要： 針對基于度量的小樣本學習方法原型網(wǎng)絡中因支撐樣本較少，出現(xiàn)的類原型容易發(fā)生偏差、網(wǎng)絡泛化性差等問題，提出一種基于高斯分布的原型校正方法。首先根據(jù)原型網(wǎng)絡得到類原型，通過類原型對查詢樣本進行近鄰匹配，得到查詢樣本的偽標簽；然后得到偽標簽樣本特征的高斯分布信息，即均值和方差；最后從這些分布中進行采樣，生成足夠豐富的樣本去擴展支撐集，進而獲得更準確的類原型，改善分類性能。同時對于現(xiàn)有... （共12頁）