基于信息对齐的半监督少样本学习方法

针对深度学习中遇到数据样本不足，数据获取难度大的问题，提出一种基于信息对齐的半监督少样本学习方法。将支持集和查询集输入到特征提取网络得到特征向量，通过类原型计算查询集与支持集的每个局部区域对的距离用于信息对齐；采用注意力机制得到重新加权后的联合关系矩阵，利用关系模块将联合关系矩阵映射成类别的相似度分数；采用伪标签的半监督训练方法，辅助模型训练。理论和实验分析结果表明，与主流少样本学习方法相比，该方法具有更强的区分差异性的能力和更好的泛化能力。