[发明专利]一种基于知识图谱的小样本图片识别方法及系统

权利要求书

1.一种基于知识图谱的小样本图片识别方法，其特征在于，包括：

步骤1、获取具有类别标签的多组训练图片集，每组训练图片集具有其对应种类标签，通过该卷积神经网络提取该训练图片集中每一张训练图片的特征，根据训练图片集中图片总数，求和训练图片的特征并求平均，得到每组训练图片集的均值特征；

步骤2、获取包含训练图片集中所有种类标签的知识图谱，通过图神经网络对该知识图谱进行特征提取，得到该知识图谱的节点特征，通过求和网络对该均值特征和该节点特征进行求和处理，得到各组训练图片集的最终训练特征；

步骤3、以与该最终测试特征相似度最高的最终训练特征对应种类标签为训练图片集的识别结果，并以训练图片集的类别标签作为训练目标，优化更新该卷积神经网络、该图神经网络和该求和网络，保存当前该卷积神经网络、该图神经网络和该求和网络作为图片识别模型；

步骤5、将待识别图片输入该图片识别模型，得到该待识别图片的种类作为图片识别结果。

2.如权利要求1所述的基于知识图谱的小样本图片识别方法，其特征在于，该步骤2包括：

使用词向量作为图神经网络中节点的初始化，并通过图神经网络对经过初始化的知识图谱进行特征提取，得到该知识图谱的节点特征。

3.如权利要求1所述的基于知识图谱的小样本图片识别方法，其特征在于，该步骤3包括采用交叉熵函数作为优化函数，优化更新该卷积神经网络、该图神经网络和该求和网络。

4.如权利要求1所述的基于知识图谱的小样本图片识别方法，其特征在于，从可视化数据库ImageNet中获取该知识图谱。

5.一种基于知识图谱的小样本图片识别系统，其特征在于，包括：

模块1，用于获取具有类别标签的多组训练图片集，每组训练图片集具有其对应种类标签，通过卷积神经网络提取该训练图片集中每一张训练图片的特征，根据训练图片集中图片总数，求和训练图片的特征并求平均，得到每组训练图片集的均值特征；

模块2，用于获取包含训练图片集中所有种类标签的知识图谱，通过图神经网络对该知识图谱进行特征提取，得到该知识图谱的节点特征，通过求和网络对该均值特征和该节点特征进行求和处理，得到各组训练图片集的最终训练特征；

模块3，用于以与该最终测试特征相似度最高的最终训练特征对应种类标签为训练图片集的识别结果，并以训练图片集的类别标签作为训练目标，优化更新该卷积神经网络、该图神经网络和该求和网络，保存当前该卷积神经网络、该图神经网络和该求和网络作为图片识别模型；

模块5，用于将待识别图片输入该图片识别模型，得到该待识别图片的种类作为图片识别结果。

6.如权利要求1所述的基于知识图谱的小样本图片识别系统，其特征在于，该模块2包括：

使用词向量作为图神经网络中节点的初始化，并通过图神经网络对经过初始化的知识图谱进行特征提取，得到该知识图谱的节点特征。

7.如权利要求1所述的基于知识图谱的小样本图片识别系统，其特征在于，该模块3包括采用交叉熵函数作为优化函数，优化更新该卷积神经网络、该图神经网络和该求和网络。

8.如权利要求1所述的基于知识图谱的小样本图片识别系统，其特征在于，从可视化数据库ImageNet中获取该知识图谱。