محققان در یک پژوهش جدید، راهکار نوآورانهای برای چالش «طبقهبندی تصاویر با نمونههای کم» (Few-Shot Classification) ارائه دادهاند.
مدل جدیدی به نام ARF-SFR-Net با استفاده از یک مکانیزم «میدان پذیرش تطبیقی» (Adaptive Receptive Field)، میتواند ویژگیهای مکانی و فرکانسی تصاویر را به شکلی هوشمندانه استخراج و ترکیب کند. این دستاورد به مدلهای هوش مصنوعی کمک میکند تا در شرایطی که دادههای آموزشی محدودی در دسترس است، جزئیات بسیار دقیق و ظریف (Fine-grained) را تشخیص دهند.
این شبکه بهراحتی در سیستمهای آموزشی فعلی قابل ادغام است و نتایج آزمایشها برتری آن را نسبت به روشهای پیشین نشان میدهد. کد این پروژه نیز برای توسعهدهندگان در دسترس قرار گرفته است.
منبع: arXiv Computer Vision