说明: 当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而, 在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的 难题。针对这一问题,首先利用4 层深度卷积神经网络提取训练样本和测试样本的高层语义 特征,然后基于改进的匹配网络分别采用双向LSTM 和attLSTM 算法对训练样本和测试样 本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax 非线性分 类器对测试样本进行分类识别。实验通过Omniglot 数据集对提出的改进模型进
<fanxhfan> 上传 | 大小:1mb