少样本长尾声呐分类
一种用于少样本长尾声呐图像分类的迁移学习模型，通过冻结特征增强和平衡采样策略在三个公共数据集上取得优于现有方法的性能。
Bai, Zhongyu · Xu, Hongli · Ding, Qichuan · 张祥越
Neurocomputing 2025
通过冻结特征增强模块与对比学习，在数值和通道维度上丰富特征空间，使模型能从少量样本中学习到更具判别力的表示。
采用均衡采样策略将训练集划分为多个均衡子集，减轻分类器训练时的样本偏差，提升尾部类别的识别能力。
训练时独立冻结特征提取器和分类器，提升模型泛化能力，避免小样本场景下过拟合。