基于ADFRN与SAGCN的少样本学习方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要： 随着网络深度的增加，图卷积网络容易出现过拟合现象，且现有的少样本学习方法往往会忽略具有类别特点的局部细节信息对于分类的贡献。因此，文章提出了一种基于自适应细节特征增强网络与语义对齐图卷积网络的少样本学习方法，能够根据经验知识去学习生成具有可变感受野范围，并从长宽和通道维度中捕捉具有类别特点的局部细节信息的卷积核。（剩余6749字）

试读结束

目录
monitor