公开(公告)号：CN117557868A

公开(公告)日：2024-02-13

申请号：CN202311824326.1

申请日：2023-12-28

Applicant: 中南大学

Inventor： 陈再良 ,  张景昊 ,  沈海澜 ,  张健

IPC: G06V10/764 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096 ,  G06V10/40 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于少样本学习的图像分类方法，包括获取现有的训练数据集；构建分类任务模型；设定损失函数并训练分类任务模型，得到初始的教师模型；构建结构与当前教师模型相同的学生模型并随机初始化参数；训练学生模型并将训练后的学生模型作为当前的教师模型；重复上一步骤直至设定次数，获取特征提取器；再次获取训练数据集；构建图像分类初始模型并训练得到图像分类终端模型；修剪图像分类终端模型得到图像分类模型，并采用图像分类模型进行基于少样本学习的图像分类。本发明通过教师模型和学生模型的设计及训练，能够学习更多可迁移知识；通过图像分类模型对图像进行学习，解决了支持‑查询偏移问题；因此本发明可靠性高、精确性好。