基于元学习和轻量化注意力机制的小样本图像检索方法  

作　　者：宋阿隆 崔学荣[1] 

机构地区：[1]中国石油大学(华东)海洋与空间信息学院,山东青岛266580

出　　处：《物联网技术》2025年第5期71-74,共4页Internet of things technologies

摘　　要：图像检索算法在化工厂安全防护中起着重要作用,但是部分化工厂图像检索任务由于其场景特殊,缺乏标记样本,图像检索精度较低。为解决上述问题,提出基于元学习和轻量化注意力机制的小样本图像检索方法,基于元学习思想构建小样本图像检索框架,使用深度可分离卷积提取图像特征时能够降低网络复杂度;为增强网络的特征提取能力,在深度可分离卷积中引入注意力模块,构建轻量化注意力机制的特征提取网络。试验结果表明,采用该方法进行图像检索时的mAP是65.41%,参数量是2.13 MB,计算量是5.98 GFLOPs;与其他网络相比,降低了参数量和计算量,提高了检索精度。

关 键 词：图像检索 小样本 元学习 深度可分离卷积 注意力机制 轻量化 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]