探索基于频率感知的跨域少样本分类
原文中文,约200字,阅读约需1分钟。发表于: 。通过提出一种基于频率感知提示的方法,该方法使用双向注意力模块来模拟人类视觉感知,在跨领域少样本分类中能够改善现有方法的性能。
本文提出了跨域few-shot学习的BSCD-FSL基准,实验证实了该基准的价值。
通过提出一种基于频率感知提示的方法,该方法使用双向注意力模块来模拟人类视觉感知,在跨领域少样本分类中能够改善现有方法的性能。
本文提出了跨域few-shot学习的BSCD-FSL基准,实验证实了该基准的价值。