首页|期刊导航|陕西科技大学学报|基于空频增强与粒子滤波的小样本图像分类

基于空频增强与粒子滤波的小样本图像分类OA

中文摘要

针对小样本细粒度图像分类中类内变化大、类间差异细微以及现有方法对频域信息和判别性区域利用不足的问题,本文提出一种融合空频域建模与粒子滤波特征重加权的双向关系网络(BiRPN).该方法在Conv-4与ResNet-12主干中嵌入自适应空频域增强模块(ASFE),将特征分解为低、中与高频并经轻量建模与门控残差融合,以同时增强结构与纹理表征;面向episode级任务,设计粒子滤波特征重加权模块(PF-FR),在支撑集上学习空间与通道原型,对查询特征在空间与通道维度进行重要性评估与重标定,从而抑制背景噪声、突出类相关判别区域.随后在序列化特征上建模全局上下文依赖,并在支持集与查询集之间执行双向匹配推理,得到类别响应用于分类决策;同时为空频域增强与粒子滤波重加权引入残差耦合与可学习门控,以保证训练稳定性.实验在CUB、Cars、Dogs等多个小样本细粒度基准上表明,BiRPN在1-shot与5-shot设置下相较多种度量学习与频域增强方法取得稳定的一致提升,并在参数规模与计算开销上保持良好效率,验证了该方法的有效性.

曾文毅;章为川;解东波

陕西科技大学电子信息与人工智能学院,陕西西安710021陕西科技大学电子信息与人工智能学院,陕西西安710021陕西科技大学电子信息与人工智能学院,陕西西安710021

信息技术与安全科学

小样本细粒度图像分类度量学习空频域增强频域建模粒子滤波

《陕西科技大学学报》 2026 (5)

P.214-225,12

国家自然科学基金项目(62201335,61801281)。

评论