小样本分类更精准
通过预训练与元训练两阶段的全局-局部特征互学习，该模型在细粒度数据集的小样本任务上取得了有竞争力的表现。
Sun, Zhe · Wang, Zheng · Pengfei, Guo · Mingyang, Wang
Information Fusion 2025
通过在预训练阶段引入预测蒸馏损失和局部差异损失，促进全局与局部特征互学习，获得更具判别力的特征表示。
元训练阶段进一步增强特征泛化能力，并融合全局-局部度量，直接提升小样本分类准确率。
在细粒度数据集的 1-shot 和 5-shot 设置下，该方法的实验结果明显优于现有方法。