公开(公告)号：CN119741534A

公开(公告)日：2025-04-01

申请号：CN202411778425.5

申请日：2024-12-05

Applicant: 南京邮电大学

Inventor： 李平 ,  朱祥 ,  柳春波 ,  仝涛

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明属于图像分类技术领域，具体公开了一种少样本图像分类方法和系统，包括：获取带类别标签的少样本图像数据集，将数据集划分为多个支持集和查询集，并通过特征提取网络获得支持集和查询集图像的局部特征；基于支持集图像的局部特征生成每个支持类的原型，并计算支持集每张图像的权重；对支持集图像的局部特征进行修正；对查询集图像的局部特征进行修正；基于两种修正后的局部特征和支持集每张图像的权重，计算查询集图像与每个支持类的相似度，并将相似度进行概率输出，以生成图像分类结果。本发明降低了离群样本对模型的负面影响，同时使模型聚焦于与任务相关的判别性特征，提高了模型的分类性能。

公开(公告)号：CN119399540A

公开(公告)日：2025-02-07

申请号：CN202411535619.2

申请日：2024-10-31

Applicant: 南京邮电大学

Inventor： 李平 ,  柳春波 ,  朱祥 ,  仝涛

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06V10/20 ,  G06N3/048 ,  G06V10/74 ,  G06N3/084

Abstract: 本发明提出了一种基于卷积高斯过程的可信少样本图像分类方法，属于图像识别技术领域，包括：构建用于少样本图像分类的神经网络模型；构建模型训练过程中每次迭代使用的支持集和查询集；计算支持集图像和查询集图像的局部特征；将局部特征输入到注意力机制模块中，计算出各自的权重向量，将核函数与权重向量相结合，得到具有语义指导能力的核函数；将局部特征输入到使用语义指导核函数的卷积高斯过程模块中，计算出支持图像和查询图像的相似度以及预测结果的可信度；将卷积高斯过程的预测结果输入到具有不确定性感知能力的分类器中，得到可信的分类预测结果；本发明实现了能够充分考虑预测结果不确定性的高可信图像分类。