基本信息

---

下载

文档摘要

---

摘要

摘要

少样本图像分类任务主要是利用少量的样本图像训练模型，并对新的样本图像进

行分类。由于其自身优势，被广泛应用于实际生活和工业生产中。但是由于现存网络的

灾难性遗忘和特征提取能力不足，导致少样本图像分类精度较低。因此，本文从基于空

频域特征表征网络的少样本图像分类算法着手，针对现存问题提出三种算法，旨在提

高少样本图像分类准确率。具体研究内容如下：

(1)针对传统深度学习算法提取图像显著特征能力有限，以及