公开(公告)号：CN115359294A

公开(公告)日：2022-11-18

申请号：CN202211012661.7

申请日：2022-08-23

Applicant: 上海交通大学

Inventor： 杨华 ,  杨锦海

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/74 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于相似性正则化类内挖掘的跨粒度小样本学习方法，包括：利用图像特征提取网络生成训练图像样本特征；实施第一优化环，利用弱监督对深度学习模型的粗粒度类别间语义辨识性进行约束；实施第二优化环，通过对称的特征嵌入器和非对称的特征预测器，实现粗粒度类别内部的相似性正则化；将第一优化环与第二优化环损失相加，对整个网络结构进行端到端的误差反向传播，对网络参数进行优化；利用场景式微调使得到的图像特征提取网络适应小样本分类任务，最终得到细粒度小样本分类模型。本发明联合并改进弱监督和自监督两种学习范式的协同优化，同时考虑粗粒度类别的类内和类间辨识性，能得到更具有细粒度辨识能力的小样本分类模型。