PulseAugur
中
实时 04:02:21
English(EN) Adaptive receptive field-based spatial-frequency feature reconstruction network for fine-grained few-shot image classification

新网络增强细粒度少样本图像分类能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为ARF-SFR-Net的新型网络，以改进细粒度少样本图像分类。该网络解决了提取空间和频率特征时选择合适感受野尺寸的挑战。通过自适应地确定这些尺寸并有效地融合特征，ARF-SFR-Net增强了重建和分类任务。在多个基准测试上的实验表明，其优于现有方法。 AI

影响 引入了一种用于少样本图像分类的新型架构，有望提高专业识别任务的性能。

排序理由 详细介绍图像分类新网络架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新网络增强细粒度少样本图像分类能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Linyue Zhang, Wenyi Zeng, Zicheng Pan, Yongsheng Gao, Changming Sun, Jun Hu, Lixian Liu, Weichuan Zhang, Tuo Wang ·

    用于细粒度少样本图像分类的自适应感受野时频特征重建网络

    arXiv:2604.16936v2 Announce Type: replace-cross Abstract: Feature reconstruction techniques are widely applied for few-shot fine-grained image classification (FSFGIC). Our research indicates that one of the main challenges facing existing feature-based FSFGIC methods is how to ch…

相关话题