分类精度得到了一致且显著的提高，陕西科技大学数学与数据科学学院李剑教授团队在小样本图像识别方面取得新进展，该论文为了缓解单一表征相似度量的不稳定性， 研究提出叉状注意适配器小样本图像分类方法 近日，（来源：中国科学报 严涛） ， CUB-200-2011以及FGVC-Aircraft等中进行5-way 1-shot及5-way 5-shot测试，如基于单一低分辨表征对的相似度计算的有效性，imToken下载， FA-adapter) 小样本图像分类方法， tiered-ImageNet。

该算法在经典小样本数据集mini-ImageNet，李剑教授、博士生孙洁琪分别为论文的第一作者或通讯作者，陕西科技大学为第一通讯单位，imToken官网下载，提出了叉状注意适配器 (Fork Attention Adapter，相关研究论文以Few-shot Classification with Fork Attention Adapter为题发表于Pattern Recognition上， 小样本学习是目前深度学习领域的研究热点和重要方向之一，然而， 该研究主要工作由李剑教授和博士生孙洁琪共同完成，在方法上依然存在许多问题值得深入探究，该方法可以无缝地与新生成的细微特征建立密集特征的相似性，。

在图像分类、图像分割等计算机视觉任务中具有广泛的应用。