近日，數(shù)學與數(shù)據(jù)科學學院李劍教授團隊在小樣本圖像識別方面取得新進展，相關研究論文“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，陜西科技大學為第一通訊單位。

小樣本學習是目前深度學習領域的研究熱點和重要方向之一，在圖像分類、圖像分割等計算機視覺任務中具有廣泛的應用。然而，在方法上依然存在許多問題值得深入探究，如基于單一低分辨表征對的相似度計算的有效性。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) 小樣本圖像分類方法。該方法可以無縫地與新生成的細微特征建立密集特征的相似性。該算法在經典小樣本數(shù)據(jù)集mini-ImageNet, tiered-ImageNet, CUB-200-2011以及FGVC-Aircraft等中進行5-way 1-shot及5-way 5-shot測試，分類精度得到了一致且顯著的提高。

據(jù)悉，Pattern Recognition是模式識別領域的頂級期刊之一，是中科院一區(qū)Top期刊，在全球機器學習與模式識別領域具有較高的影響力。中國計算機學會（CCF）評價該期刊為“國際重要期刊，具有重要的國際學術影響力”。

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

（核稿：李劍 編輯：劉倩）