摘要
近年来，深度学习架构在图像分类任务中取得了卓越的成果。然而，在小规模数据集上应用复杂的神经网络架构仍然面临挑战。在此背景下，迁移学习成为应对这一问题的有前景方法。通常，现有的预训练模型采用固定的标准输入尺寸，这往往要求在预处理阶段对输入图像进行缩放和裁剪，从而导致信息丢失。此外，在现实场景中，图像的视觉特征呈现多尺度特性，而大多数主流方法并未充分考虑这一因素。本文提出一种基于迁移学习的新方法，旨在处理小规模数据集，并充分利用预训练模型从不同尺度提取的视觉特征。该方法基于图卷积网络（Graph Convolutional Networks, GCN），以表示图像在不同尺度下的图结构作为输入，图中节点的特征由预训练模型从不同尺度的常规图像块中提取得到。由于GCN能够处理节点数量不同的图结构，因此本方法可自然适应尺寸异构的图像，避免关键信息的丢失。我们在两个数据集上对所提方法进行了评估：一组地质图像数据集和一个公开可用的数据集，二者均具有挑战传统方法的特性。实验中，我们采用三种不同的预训练模型作为特征提取器：两种高效的预训练卷积神经网络（DenseNet 和 ResNeXt）以及一种视觉Transformer模型（CLIP）。将所提方法与两种传统的图像分类方法进行对比。实验结果表明，本方法在该任务上显著优于传统方法，展现出更优的分类性能。