摘要
人类在处理少样本视觉识别任务时具有独特优势，这一特点推动了旨在模拟人类能力的元学习方法的发展。目前主流的元学习方法主要采用单目视觉或双分支不对称互补架构，这类方法统称为机器视觉元学习（MvML）。然而，目前尚未出现能够模拟人类双目视觉系统的架构，即类人视觉元学习（HvML）。本文创新性地提出了属于HvML范畴的一种优秀框架——双目感知实例认证学习（BPIAL），该框架能够解决MvML存在的单目视觉局限性以及双分支处理不稳定的问题。从结构上看，我们的BPIAL由两个相互关联的双目感知与信息处理模块组成：双目特征提取与压缩模块（BSEM）和实例认证处理模块（IAPM）。前者负责模拟双目视野提取、特征提取与压缩以及通道维度降低过程，而后者则可模拟人类两只眼睛及大脑的逻辑推理与判断过程。我们在五个基准测试中证明了BPIAL的可行性和正确性，通过与现有最先进方法的充分对比实验，也证实了其优越性和有效性。
