[发明专利]小样本图像分类的方法

权利要求书

1.一种小样本图像分类的方法，其特征在于，包括：

S1：获取小样本图像分类的数据集，所述数据集包括训练集、支持集和测试集；其中，所述训练集包括M个类别；所述支持集包括K个类别，K≤M，每个类别包括至少Z个图像，且所述训练集的类别与所述支持集的类别的交集为0；所述测试集的类别都包含在所述支持集的类别中；所述训练集和所述支持集的图像都包括标签，所述测试集的图像不包括标签；

S2：将所述训练集划分为样本集和查询集，所述样本集和所述查询集都包括M个类别，将所述样本集和所述查询集投入到第一小样本分类模型进行训练，得到第二小样本分类模型；

S3：通过所述支持集和所述测试集对所述第二小样本分类模型进行测试，得到分类准确率，根据所述分类准确率对所述第二小样本分类模型的超参数进行调整后重复步骤S2，直至所述第二小样本分类模型的分类准确率达到预设值，即得到最终小样本分类模型；

S4：将实际任务中需要分类的图像与所述支持集输入到所述最终小样本分类模型中，对实际任务中需要分类的图像进行分类；

其中，所述步骤S2包括：

S21：从所述样本集中随机选择K个类别，每个类别包括Z个图像，则第i个类别的第j个图像记作x_ij，I∈K，j∈Z；将图像x_ij投入到第一小样本分类模型的第一编码器中进行特征提取，得到K*Z张样本特征图；

S22：对类别相同图像的样本特征图的算术平均值进行计算，得到K个类别的K个样本特征图f(x₁)，f(x₂)，…，f(x_K)；

S23：从所述查询集随机选择一个图像x，将所述图像x投入到所述第一编码器中进行特征提取，得到查询特征图f(x)；

S24：将K个样本特征图f(x₁)，f(x₂)，…，f(x_K)与所述查询特征图f(x)输入到所述第一小样本分类模型的第一融合模块，所述第一融合模块输出K个取值范围在0到1间的小数；

S25：通过K个小数与所述图像x对应的标签y(x)计算损失函数，通过反向传播算法对所述第一小样本分类模型的网络参数进行调整，重复步骤S21至步骤S25，直至所述损失函数的值下降到预设数量级，即得到第二小样本分类模型。