基于图像插值的小样本手写数字识别研究.pdfVIP

ISSN 1004⁃9037，CODENSCYCE4 http：// JournalofDataAcquisitionandProcessingVol.37，No.2，Mar.2022，pp.298-307 E⁃mail：sjcj DOI：10.16337/j.1004⁃9037.2022.02.004 Tel/Fax：+86⁃025 ⒸⒸ 2022byJournalofDataAcquisitionandProcessing 基于图像插值的小样本手写数字识别研究 1 2 3 1，4 1，4 宋 伟 ，谢建平 ，高 倩 ，谢良旭 ，许晓军 （1.江苏理工学院电气信息工程学院，常州213001；2.湖州师范学院理学院，湖州313000；3.江苏理工学院计算机 工程学院，常州213001；4.江苏理工学院生物信息与医药工程研究所，常州213001） 摘 要：人工智能方法的高性能通常需要有充足的数据来训练模型参数。如何在数据量不足的情况下 提升模型的性能，即小样本学习，是人工智能领域的重要研究方向之一。本文提出了基于图像插值的 小样本学习策略，并在手写数字图像识别任务中验证了该策略的可行性。系统研究了全连接神经网络 和卷积神经网络对MNIST和USPS手写数字图像识别的小样本学习性能。计算结果表明，基于图像 插值的数据增强方法可以显著提升神经网络在小样本数据中的特征提取能力和学习效率，且选择合适 的图像插值缩放系数可以进一步优化神经网络的小样本学习性能。 关键词：人工智能；手写数字；小样本学习；计算机视觉；图像识别 中图分类号：TP183 文献标志码：A ImageInterpolation‑BasedFew‑ShotLearningofHandwrittenDigitRecognition 1 2 3 1，4 1，4 SONG Wei ，XIE Jianping ，GAO Qian ，XIE Liangxu ，XU Xiaojun (1. SchoolofElectricalandInformationEngineering,JiangsuUniversityofTechnology,Changzhou 213001,China;2. Schoolof Science, Huzhou University, Huzhou 313000, China;3. School of Computer Engineering, Jiangsu University of Technology, Changzhou 213001,China;4. InstituteofBioinformaticsandMedicalEngineering,JiangsuUniversityofTechnology,Changzhou 213001,China) Abstract：Thehighperformanceofartificialintelligence （AI）isusuallydependentonlargeandsufficient datatotrainparameters.Howtoimprovethepredictiveperformanceinthecaseofinsufficientdata，i.e.， few-shotlearning，isoneoftheimportantresearchsubjectsintheAIfield.Animageinterpolation-based few-shotlearningstrategyisproposed，whosefeasibilityisverifiedinthetaskofhandwrittendigitimage recognition.Thefew-shotlearningperformanceofdenseneuralnetworkandconvolutionalneuralnetwork inMNISTandUSPShandwrittendigitimagerecognitionissystematicallystudied.Thecalculati