[發明專利]一種基于小樣本學習的圖像分類方法、系統、存儲介質及終端

有效

• 申請號: 202011150086.8
• 申請日: 2020-10-23
• 公開（公告）號: CN112434721B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 趙磊;方紅波;廖旻可
• 申請（專利權）人: 特斯聯科技集團有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 劉廣達

1.一種基于小樣本學習的圖像分類方法，其特征在于，所述方法包括：

確定待分類的圖像數據集；

抽取所述圖像數據集中多個類別的第一圖像數據樣本，并基于所述多個類別的圖像數據樣本建立圖像支持集；

從所述圖像數據集中抽取后剩余的圖像數據樣本中再次抽取多個類別的第二圖像數據樣本，并基于所述多個類別的第二圖像數據樣本建立圖像查詢集；其中，所述第二圖像數據樣本的類別數量小于第一圖像數據樣本的類別數量；

根據所述圖像支持集對預先訓練的小樣本分類網絡進行泛化處理，并將所述圖像查詢集中各圖像數據樣本輸入所述泛化處理后的小樣本分類網絡中，輸出所述各圖像數據樣本的類別；其中，

所述將所述圖像查詢集中各圖像數據樣本輸入所述泛化處理后的小樣本分類網絡中，輸出所述各圖像數據樣本的類別，包括：

基于所述泛化處理后的小樣本分類網絡計算所述圖像查詢集中各圖像數據樣本與所述圖像支持集之間的多個類別相似度，并將所述各圖像數據樣本對應的多個類別相似度中最大類別相似度進行標記；

輸出所述各圖像樣本數據的類別；其中，

所述小樣本分類網絡包括特征提取層、注意力增強層、特征融合層、特征分類層以及類別輸出層；

所述基于所述泛化處理后的小樣本分類網絡計算所述圖像查詢集中各圖像數據樣本與所述圖像支持集之間的多個類別相似度，并將所述各圖像數據樣本對應的多個類別相似度中最大類別相似度進行標記，包括：

特征提取層分別提取所述圖像支持集和圖像查詢集各自對應的特征圖集合；其中，所述特征圖集合為多層的特征圖，每個層的特征圖包含多個通道，每個通道對應一個特征圖；

注意力增強層通過全局平均池化網絡分別提取出所述每個層特征圖對應的權重向量，并對所述特征圖對應的查詢特征和支持特征互相加權，得到加權后的查詢特征和支持特征；

注意力增強層根據歸一化算法對特征圖對應的查詢特征和支持特征構建歸一化的注意力分數圖，并根據歸一化的注意力分數圖對所述加權后的查詢特征和支持特征二次加權，生成二次加權后的查詢增強特征和支持增強特征；

特征融合層將所述加權后的查詢特征和支持特征和二次加權后的查詢增強特征和支持增強特征進行特征拼接，生成查詢融合特征和支持融合特征；

特征分類層將所述查詢融合特征和支持融合特征進行相似概率值計算，生成查詢融合特征和支持融合特征的多個相似程度概率值；

類別輸出層將所述多個相似程度概率值進行降序排列，并提取所述排列在第一位的相似程度概率值進行類別標記后輸出樣本的類別標記。

2.根據權利要求1所述的方法，其特征在于，按照下述方法訓練小樣本分類網絡，包括：

采集訓練圖像數據樣本；

針對所述訓練圖像數據樣本構建多個小樣本網絡訓練任務；

針對所述多個小樣本網絡訓練任務中每一個小樣本網絡訓練任務，分別提取出圖像支持集和圖像查詢集；

創建小樣本分類網絡，并基于所述圖像支持集和圖像查詢集對小樣本分類網絡進行訓練；

當所述訓練后的小樣本分類網絡的損失值小于預設值時，生成預先訓練的小樣本分類網絡。