[发明专利]基于目标引导动态Mixup的跨域小样本图像识别系统

权利要求书

1.一种基于目标引导动态Mixup的跨域小样本图像识别系统，其特征在于，在源域数据集，少量来自于目标域的图像上训练，在目标域数据集上进行测试，提升跨域小样本图像识别系统的准确度与效率；具体包括以下三个模块：(1)Mixup-3T图像分类模块；(2)动态Mixup混合比例生成模块；(3)双层meta-learning训练模块；

所述动态Mixup混合比例生成模块，由三层全连接网络组成；通过动态Mixup混合比例生成模块生成目标引导的Mixup混合比例；

所述Mixup-3T图像分类模块，包括特征提取网络、分类器；其将动态Mixup混合比例生成模块得到Mixup混合比例以及待分类的图像进行分类；

所述双层meta-learning训练模块，用于训练所述Mixup-3T图像分类模块和动态Mixup混合比例生成模块。

2.根据权利要求1所述的跨域小样本图像识别系统，其特征在于，所述Mixup-3T图像分类模块，在训练、验证以及测试过程中接收不同输入，并得到相应的输出，具体如下：

在训练时，其输入为来自于源域的图像，来自于额外目标域的图像、输入的图像对应的标签，以及Mixup混合比例，输出为三任务分类损失其具体步骤如下：

(1)根据输入的Mixup混合比例，根据Mixup，将输入的源域与目标域图像进行混合，生成混合后图像以及混合后的图像标签；

(2)利用特征提取网络分别提取出源域图像、额外目标域图像以及混合后的图像的特征表示；

(3)将提取出源域图像、额外目标域图像以及混合后的图像的特征表示分别输入分类器中，得到图像在每个类别上的分类概率，根据图像对应的标签，利用Cross-Entorpy算法,计算出源域图像、额外目标域图像以及混合后的图像的分类损失，将分类损失根据固定比例相加得到三任务分类损失L_FSL；

在验证时，其输入为额外目标域图像以及输入图像对应的标签，输出为在额外目标域数据上的分类验证损失，其具体步骤如下：

(1)利用所述的相同特征提取网络提取出额外目标域图像的特征表示；

(2)将提取出的额外目标域图像输入分类器中，得到图像在每个类别上的分类概率，根据图像对应的标签，利用Cross-Entorpy算法,计算出3类图像的分类损失；

在测试时，其输入为用于测试的目标域图像，输出为输入图像对应的预测标签，其具体步骤如下：

(1)利用所述的相同特征提取网络提取出额外目标域图像的特征表示；

(2)将提取出的额外目标域图像输入分类器中，得到图像在每个类别上的分类概率，将分类概率最大的类别作为该图像的预测标签。

3.根据权利要求2所述的跨域小样本图像识别系统，其特征在于，所述动态Mixup混合比例生成模块，采用三层全连接网络，其输入为Mixup-3T网络在额外目标域数据上的分类验证验证损失，输出为Mixup混合比例。