近日，安徽财经大学合肥高等研究院袁明磊副教授以第一作者身份在Pattern Recognition（PR）上发表了题为“A novel forget-update module for few-shot domain generalization”的研究论文。 Pattern Recognition是模式识别领域的权威期刊，SCI一区Top期刊，2022年影响因子（Impact Factor）8.518，在全球机器学习与模式识别领域具有很高的影响力。

袁明磊老师于模式识别期刊（PR）发表论文

      近年来，小样本学习方向蓬勃发展，各种基于元学习等策略的模型在顶会和顶刊上层出不穷，然而跨域问题却严重影响小样本学习的准确性。研究发现，在跨域小样本学习时，源域与任意不可见域图像特征的分布差异会导致元学习模型泛化能力减弱。

遗忘模块（左侧）和更新模块（右侧）对特征分布自适应调整的可视化效果

  本文针对小样本图像分类任务中的跨域问题设计了一种遗忘和更新模块，在元训练阶段，根据支持样本和查询样本组成的通道向量序列学习如何遗忘和更新特征，并利用遗忘和更新模块自适应的调整关系嵌入的分布；在元测试阶段，根据学习到的先验知识对新域的特征进行遗忘和更新。设计的遗忘和更新模块可以自适应的优化元学习模型在目标域中学习到的特征，缓解由于领域差异造成的元模型学习能力退化问题。

遗忘模块的可视化效果（第一行原图，第二行原图+遗忘区域叠加图，第三行遗忘区域）

  论文共同作者还包括南京大学蔡淳昊和徐倩，河海大学的巫义锐，以及江苏威尔曼科技有限公司的周世杰。该论文在南京大学路通教授指导下完成。

论文信息：Minglei Yuan, Chunhao Cai, Tong Lu, Yirui Wu, Qian Xu, Shijie Zhou. A novel forget-update module for few-shot domain generalization. Pattern Recognition 129:108704 (2022). （模式识别领域顶刊，CAA-A，CCF-B)

（撰稿：袁明磊；审核：梁中）