[發(fā)明專(zhuān)利]基于少量樣本的圖像識(shí)別方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010720455.6
• 申請(qǐng)日: 2020-07-24
• 公開(kāi)（公告）號(hào): CN111966851B
• 公開(kāi)（公告）日: 2022-05-31
• 發(fā)明（設(shè)計(jì)）人: 李甲;王澤遠(yuǎn);趙一凡;石鼎豐;趙沁平
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京航空航天大學(xué)
• 主分類(lèi)號(hào): G06F16/538
• 分類(lèi)號(hào): G06F16/538;G06F16/55;G06F16/583
• 代理公司: 北京唯智勤實(shí)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11557
• 代理人: 陳佳

1.一種基于少量樣本的圖像識(shí)別方法，包括：

獲取圖像集合，其中，所述圖像集合包括至少一類(lèi)支撐樣本和查詢(xún)樣本；

對(duì)所述圖像集合進(jìn)行特征提取，得到圖像特征集合，其中，所述圖像特征集合包括至少一類(lèi)支撐樣本特征和查詢(xún)樣本特征；

根據(jù)至少一個(gè)基礎(chǔ)類(lèi)別特征，確定每一類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的相似度；

根據(jù)所述相似度對(duì)所述圖像集合進(jìn)行分類(lèi)，得到分類(lèi)結(jié)果；

控制具有顯示功能的終端設(shè)備將所述分類(lèi)結(jié)果進(jìn)行顯示，其中，所述根據(jù)至少一個(gè)基礎(chǔ)類(lèi)別特征，確定每一類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的相似度，包括：

根據(jù)以下公式確定所述支撐樣本特征和所述查詢(xún)樣本特征的相似度：

其中，ψ⁽ⁿ⁾表示第n類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的相似度；

α表示預(yù)先設(shè)定的相關(guān)參數(shù)；

φ⁽ⁿ⁾表示第n類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的直接相似度，通過(guò)以下公式確定：

φ⁽ⁿ⁾＝cos(q,s⁽ⁿ⁾)，

其中，cos()表示所述第n類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的余弦相似度；

q表示查詢(xún)樣本特征；

s⁽ⁿ⁾表示第n類(lèi)支撐樣本特征；

表示第n類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的間接相似度，通過(guò)以下公式確定：

其中，σ(,)表示度量?jī)蓚€(gè)分布的相似度函數(shù)；

ρ_query表示所述查詢(xún)樣本特征在所述至少一個(gè)基礎(chǔ)類(lèi)別特征上的相似度分布；

表示所述第n類(lèi)支撐樣本特征在至少一個(gè)基礎(chǔ)類(lèi)別特征上的相似度分布。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述對(duì)所述圖像集合進(jìn)行特征提取，包括：

利用預(yù)先訓(xùn)練的特征提取模型對(duì)所述圖像集合中的圖像進(jìn)行特征提取，得到圖像特征集合。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述特征提取模型是利用以下?lián)p失函數(shù)對(duì)初始模型進(jìn)行優(yōu)化得到的：

其中，表示損失值；

t表示預(yù)先設(shè)定的溫度參數(shù)；

表示基礎(chǔ)類(lèi)別的類(lèi)別數(shù)量；

b表示全連接層的偏差向量；

b_y表示所述全連接層的偏差向量b中第y個(gè)元素，y表示當(dāng)前樣本的類(lèi)別；

b_j表示所述全連接層的偏差向量b中第j個(gè)元素；

r表示特征圖中向量的數(shù)量；

表示樣本中第y類(lèi)型中某個(gè)樣本圖像的特征圖的第i個(gè)位置的特征向量的轉(zhuǎn)置；

p^(j)表示特征提取器之后的全連接層參數(shù)矩陣P中的類(lèi)別j對(duì)應(yīng)的參數(shù)向量；

P^(y)表示特征提取器之后的全連接層參數(shù)矩陣P中的類(lèi)別y對(duì)應(yīng)的參數(shù)向量。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述基礎(chǔ)類(lèi)別特征是根據(jù)以下步驟得到的：

獲取訓(xùn)練樣本集，其中，所述訓(xùn)練樣本集包括至少一類(lèi)訓(xùn)練樣本圖像，所述訓(xùn)練樣本集中的每一類(lèi)訓(xùn)練樣本圖像包括至少一個(gè)訓(xùn)練樣本圖像；

利用所述特征提取模型對(duì)所述訓(xùn)練樣本集中的每個(gè)訓(xùn)練樣本圖像進(jìn)行特征提取，得到每個(gè)訓(xùn)練樣本圖像對(duì)應(yīng)的特征；

對(duì)每一類(lèi)訓(xùn)練樣本圖像中的每個(gè)特征進(jìn)行全局平均池化和取均值壓縮的操作，得到至少一個(gè)基礎(chǔ)類(lèi)別特征。

5.一種基于少量樣本的圖像識(shí)別系統(tǒng)，包括：

獲取單元，被配置成獲取圖像集合，其中，所述圖像集合包括至少一類(lèi)支撐樣本和查詢(xún)樣本；

提取單元，被配置成對(duì)所述圖像集合進(jìn)行特征提取，得到圖像特征集合，其中，所述圖像特征集合包括至少一類(lèi)支撐樣本特征和查詢(xún)樣本特征；

確定單元，被配置成根據(jù)至少一個(gè)基礎(chǔ)類(lèi)別特征，確定每一類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的相似度；

分類(lèi)單元，被配置成根據(jù)所述相似度對(duì)所述圖像集合進(jìn)行分類(lèi)，得到分類(lèi)結(jié)果；

控制單元，被配置成控制具有顯示功能的終端設(shè)備將所述分類(lèi)結(jié)果進(jìn)行顯示，其中，所述確定單元：

根據(jù)以下公式確定所述支撐樣本特征和所述查詢(xún)樣本特征的相似度：

其中，ψ⁽ⁿ⁾表示第n類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的相似度；

α表示預(yù)先設(shè)定的相關(guān)參數(shù)；

φ⁽ⁿ⁾表示第n類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的直接相似度，通過(guò)以下公式確定：

φ⁽ⁿ⁾＝cos(q,s⁽ⁿ⁾)，

其中，cos()表示所述第n類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的余弦相似度；

q表示查詢(xún)樣本特征；

s⁽ⁿ⁾表示第n類(lèi)支撐樣本特征；

表示第n類(lèi)支撐樣本特征和所述查詢(xún)樣本特征的間接相似度，通過(guò)以下公式確定：

其中，σ(,)表示度量?jī)蓚€(gè)分布的相似度函數(shù)；

ρ_query表示所述查詢(xún)樣本特征在所述至少一個(gè)基礎(chǔ)類(lèi)別特征上的相似度分布；

表示所述第n類(lèi)支撐樣本特征在至少一個(gè)基礎(chǔ)類(lèi)別特征上的相似度分布。