10.15918/j.tbit1001-0645.2022.093
多标签小样本实例级注意力原型网络分类方法
多标签分类中,一个样本可能属于多个类别,且在小样本场景下模型性能更容易受到样本中复杂语义特征的影响.然而,目前常用的原型网络方法仅使用每类支持集样本的均值作为标签原型,导致原型中存在其他类别特征带来的噪声,弱化了原型间的差异性,影响预测效果.本文提出一种利用实例级注意力的多标签小样本原型网络分类方法,通过提高支持集中与当前标签关联度高的样本的权重,减少其他标签特征的干扰,增大标签原型之间的区分度,进而提高预测的精确率.实验表明,方法通过引入实例级注意力强化了多标签原型网络的学习能力,分类效果明显提升.
注意力机制、原型网络、多标签、小样本学习
43
TP391(计算技术、计算机技术)
国家重点研发计划2018YFC2000300
2023-04-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
403-409