动态融合原型网络

通过动态路由与分布融合学习更具代表性的原型，提高小样本图像分类精度。

Mengping, Dong · Fei, Li · 李振波 · Xue, Liu

Applied Intelligence 2025

参数信息

5-way 1-shot准确率

74.34 %

5-way 5-shot准确率

86.56 %

技术优势

原型更准

动态路由将样本表示映射为原型表示，同时用分布融合结合均值原型和动态原型，减轻偏差。

分布更贴近高斯

采用Yeo-Johnson变换使特征分布更接近高斯，提升表示质量。

准确率领先

在miniImageNet的5-way 1-shot和5-shot设置中取得最佳性能。

应用场景

• 小样本视觉识别：在标注样本极少时快速构建分类器，降低数据采集成本。
• 元学习：通过元学习框架动态调整特征映射，适应新任务。
• 图像分类：提升小样本场景下的图像分类精度，特别是在细粒度任务中。