近日，數學與數據科學學院李劍教授團隊在小樣本圖像識別方面取得新進展，相關研究論文“Few-shot Classification with Fork Attention Adapter”于Pattern Recognition（PR）發表，主要工作由李劍教授和博士生孫潔琪共同完成，李劍教授、博士生孫潔琪分別為論文的第一作者或通訊作者，陜西科技大學為第一通訊單位。

小樣本學習是目前深度學習領域的研究熱點和重要方向之一，在圖像分類、圖像分割等計算機視覺任務中具有廣泛的應用。然而，在方法上依然存在許多問題值得深入探究，如基于單一低分辨表征對的相似度計算的有效性。本論文為了緩解單一表征相似度量的不穩定性，我們提出了叉狀注意適配器 (Fork Attention Adapter, FA-adapter) 小樣本圖像分類方法。該方法可以無縫地與新生成的細微特征建立密集特征的相似性。該算法在經典小樣本數據集mini-ImageNet, tiered-ImageNet, CUB-200-2011以及FGVC-Aircraft等中進行5-way 1-shot及5-way 5-shot測試，分類精度得到了一致且顯著的提高。

據悉，Pattern Recognition是模式識別領域的頂級期刊之一，是中科院一區Top期刊，在全球機器學習與模式識別領域具有較高的影響力。中國計算機學會（CCF）評價該期刊為“國際重要期刊，具有重要的國際學術影響力”。

文章鏈接：https://doi.org/10.1016/j.patcog.2024.110805

（核稿：李劍 編輯：劉倩）