公开(公告)号：CN114611605B

公开(公告)日：2025-01-10

申请号：CN202210242390.8

申请日：2022-03-11

Applicant: 华南理工大学

Inventor： 陈凌威 ,  罗荣华 ,  张德赋

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种关系网络小样本图像分类方法、系统、装置及介质，其中方法包括：划分数据集，在每个训练批次中，将数据集划分为训练集和测试集，训练集的样本标注有样本标签；采用嵌入模块提取数据集中图像的图片特征表示；利用自注意力模块学习任务间的上下文信息，将任务无关的图片特征表示转化为任务相关的图片特征表示；根据任务相关的图片特征表示，以基于原学习的关系网络度量方式训练神经网络，采用训练后的神经网络进行图像分类。本发明通过注意力机制，将任务无关特征向量转化为任务相关的特征向量，具有考虑任务上下文信息、缩小类内距离的优点，更有利于进行后面的度量计算相似度得分，可广泛应用于计算机视觉领域。

公开(公告)号：CN114611605A

公开(公告)日：2022-06-10

申请号：CN202210242390.8

申请日：2022-03-11

Applicant: 华南理工大学

Inventor： 陈凌威 ,  罗荣华 ,  张德赋

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种关系网络小样本图像分类方法、系统、装置及介质，其中方法包括：划分数据集，在每个训练批次中，将数据集划分为训练集和测试集，训练集的样本标注有样本标签；采用嵌入模块提取数据集中图像的图片特征表示；利用自注意力模块学习任务间的上下文信息，将任务无关的图片特征表示转化为任务相关的图片特征表示；根据任务相关的图片特征表示，以基于原学习的关系网络度量方式训练神经网络，采用训练后的神经网络进行图像分类。本发明通过注意力机制，将任务无关特征向量转化为任务相关的特征向量，具有考虑任务上下文信息、缩小类内距离的优点，更有利于进行后面的度量计算相似度得分，可广泛应用于计算机视觉领域。