小样本条件下基于元学习的图像识别模型改进策略
杨超然 （ 南开大学 ）
https://doi.org/10.37155/2717-5170-0708-19Abstract
本文探讨了小样本条件下基于元学习的图像识别模型改进策略。首先概述了图像识别技术和元学习理论 基础，分析了小样本图像识别面临的挑战，包括数据匮乏、传统方法局限性及元学习现存问题。随后，构建了基于元 学习的分层架构设计的小样本图像识别模型，提出了数据增强策略改进、模型结构优化、训练与优化算法改进及多任 务学习与知识迁移等改进策略。实验采用Omniglot和Mini-ImageNet数据集，对比了改进模型与原始MAML模型的性 能，结果显示改进模型在两个数据集上的准确率均显著提高。
Keywords
小样本学习；元学习；图像识别；模型改进Full Text
PDFReferences
[1]周惠汝,吴波明.深度学习在作物病害图像识别方面
应用的研究进展[J].中国农业科技导报,2021,23(5):61-68.
[2]李先锋,徐森,花义明.深度学习在舰船前方障碍物图
像识别中的应用[J].舰船科学技术,2022,44(6):4-5.
[3]邹乐涛,李德鸿.基于深度学习的图像识别算法优化
[J].家庭影院技术,2024,(16):35-38.
[4]王芳.赵明.基于深度学习的图像识别技术进展[J].
电子学报,2021,47(2):89-98.
[5]刘洋.陈晨.深度学习图像识别中的关键技术与算法
分析[J].模式识别与人工智能,2023,33(1):56-65.
应用的研究进展[J].中国农业科技导报,2021,23(5):61-68.
[2]李先锋,徐森,花义明.深度学习在舰船前方障碍物图
像识别中的应用[J].舰船科学技术,2022,44(6):4-5.
[3]邹乐涛,李德鸿.基于深度学习的图像识别算法优化
[J].家庭影院技术,2024,(16):35-38.
[4]王芳.赵明.基于深度学习的图像识别技术进展[J].
电子学报,2021,47(2):89-98.
[5]刘洋.陈晨.深度学习图像识别中的关键技术与算法
分析[J].模式识别与人工智能,2023,33(1):56-65.
Copyright © 2025 杨超然
Publishing time:2025-08-31
This work is licensed under a Creative Commons Attribution 4.0 International License
