面向小样本素描人脸识别的元对抗方法研究

核心问题

在小样本素描人脸识别场景中，由于样本数量有限，传统人脸识别方法难以提取到足够有效且具有区分度的特征信息，导致识别准确率低、泛化能力差，无法满足实际应用需求。

解决方案

采用元对抗方法，通过构建元学习与对抗学习相结合的框架。元学习使得模型能够快速适应小样本学习任务，从少量样本中学习到通用的知识模式；对抗学习则通过生成器和判别器的博弈，增强模型对素描人脸特征的提取和区分能力，生成更具判别性的特征表示，从而提升小样本素描人脸识别的性能。

竞争优势

该成果创新性地将元学习与对抗学习融合应用于小样本素描人脸识别领域，有效解决了小样本下识别准确率低和泛化能力差的问题，提高了识别性能，在相关应用场景中具有显著优势，为小样本素描人脸识别技术提供了新的有效思路和方法。