关键词inter-class differences
搜索结果 - 2
- 用于少样本细粒度图像分类的混合特征协同重建网络
我们的研究聚焦于少样本细粒度图像分类,主要面临两个挑战:细粒度对象的外观相似性和样本数量有限。为了保留图像的外观细节,传统的特征重建网络通常通过空间特征重建和最小化重建误差来增强关键特征的表示能力。然而,我们发现在限制样本情景下,仅依赖于单 - 面部表情识别中基于岛屿损失的判别特征学习
本文通过引入新的岛津损失函数,在人脸表情识别领域尝试了新的改进方法,从而提高了卷积神经网络的性能。实验结果显示,使用该岛津损失函数的卷积神经网络相比于传统的 softmax loss 和中心损失方法以及同领域最先进方法表现更优,成功解决了真