數(shù)學(xué)學(xué)院李劍教授團(tuán)隊(duì)于模式識(shí)別領(lǐng)域國(guó)際頂級(jí)期刊Pattern Recognition發(fā)表高水平論文

近日，數(shù)學(xué)與數(shù)據(jù)科學(xué)學(xué)院李劍教授團(tuán)隊(duì)在小樣本圖像識(shí)別方面取得新進(jìn)展，相關(guān)研究論文“Few-shot Classification with Fork Attention Adapter”于Pattern Recognition（PR）發(fā)表，主要工作由李劍教授和博士生孫潔琪共同完成，李劍教授、博士生孫潔琪分別為論文的第一作者或通訊作者，陜西科技大學(xué)為第一通訊單位。

小樣本學(xué)習(xí)是目前深度學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)和重要方向之一，在圖像分類(lèi)、圖像分割等計(jì)算機(jī)視覺(jué)任務(wù)中具有廣泛的應(yīng)用。然而，在方法上依然存在許多問(wèn)題值得深入探究，如基于單一低分辨表征對(duì)的相似度計(jì)算的有效性。本論文為了緩解單一表征相似度量的不穩(wěn)定性，我們提出了叉狀注意適配器 (Fork Attention Adapter, FA-adapter) 小樣本圖像分類(lèi)方法。該方法可以無(wú)縫地與新生成的細(xì)微特征建立密集特征的相似性。該算法在經(jīng)典小樣本數(shù)據(jù)集mini-ImageNet, tiered-ImageNet, CUB-200-2011以及FGVC-Aircraft等中進(jìn)行5-way 1-shot及5-way 5-shot測(cè)試，分類(lèi)精度得到了一致且顯著的提高。

據(jù)悉，Pattern Recognition是模式識(shí)別領(lǐng)域的頂級(jí)期刊之一，是中科院一區(qū)Top期刊，在全球機(jī)器學(xué)習(xí)與模式識(shí)別領(lǐng)域具有較高的影響力。中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）評(píng)價(jià)該期刊為“國(guó)際重要期刊，具有重要的國(guó)際學(xué)術(shù)影響力”。

文章鏈接：https://doi.org/10.1016/j.patcog.2024.110805

（核稿：李劍 編輯：劉倩）