公开(公告)号：CN113159159A

公开(公告)日：2021-07-23

申请号：CN202110410717.3

申请日：2021-04-15

Applicant: 东北大学

Inventor： 王海旭 ,  栗伟 ,  王乙晴 ,  王珊珊

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于改进CNN的小样本图像分类方法，涉及图像分类技术领域。本发明通过对浅层卷积神经网络进行分析，构建了一个针对小样本图像分类任务的模型。在数据预处理过程中，较大程度保留图像原始信息的情况下，又增加了图像的变化，有效地减轻了网络的过拟合，分类模型的效果得到了显著的提升，十分适用于小样本数据分类。与原始分类模型相比，本发明的分类效果有了明显的提升。

公开(公告)号：CN113159159B

公开(公告)日：2023-09-29

申请号：CN202110410717.3

申请日：2021-04-15

Applicant: 东北大学

Inventor： 王海旭 ,  栗伟 ,  王乙晴 ,  王珊珊

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供一种基于改进CNN的小样本图像分类方法，涉及图像分类技术领域。本发明通过对浅层卷积神经网络进行分析，构建了一个针对小样本图像分类任务的模型。在数据预处理过程中，较大程度保留图像原始信息的情况下，又增加了图像的变化，有效地减轻了网络的过拟合，分类模型的效果得到了显著的提升，十分适用于小样本数据分类。与原始分类模型相比，本发明的分类效果有了明显的提升。