في هذا البحث، يتناول المؤلفون قيود طرق تصنيف الصور القليلة الموجودة، والتي تركز عادةً على الميزات العالمية أو المحلية دون دمج كلاهما. يقترحون شبكة المحولات السيامية الجديدة (STN) التي تستخدم بنية ذات فرعين تعتمد على المحول البصري المدرب مسبقًا (ViT) لاستخراج الميزات العالمية والمحلية بشكل منفصل. يتم تقييم الميزات العالمية باستخدام المسافة الإقليدية، بينما يتم…