公开(公告)号：CN118196540B

公开(公告)日：2024-08-30

申请号：CN202410599748.1

申请日：2024-05-15

Applicant: 吉林大学

Inventor： 崔建钊 ,  李雄飞 ,  张小利 ,  朱芮 ,  杨飞扬

IPC: G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895 ,  G06V10/82

Abstract: 本发明适用于小样本图像分类技术领域，提供了一种层次结构标签驱动的小样本图像分类方法，包括以下步骤：获取带有层次结构的多标签图像，构建卷积神经网络作为对比学习框架的主干网络，按照标签层次结构构建对比学习数据对；将数据对输入搭建好的网络模型中，获得特征向量并以特征向量为基础计算对比损失，同时将特征向量映射至具有负曲率的双曲空间中计算相似性损失；将对比损失和相似性损失结合成网络总损失，通过最小化损失函数来优化网络参数。本发明通过将双曲空间结合层次标签先验知识的方式缓解了数据集内细粒度数据间难分问题，同时本发明也可应用于带有偏斜、少样本、细粒度等问题的相关领域，具有可观的技术和经济价值。

公开(公告)号：CN118196540A

公开(公告)日：2024-06-14

申请号：CN202410599748.1

申请日：2024-05-15

Applicant: 吉林大学

Inventor： 崔建钊 ,  李雄飞 ,  张小利 ,  朱芮 ,  杨飞扬

IPC: G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895 ,  G06V10/82

Abstract: 本发明适用于小样本图像分类技术领域，提供了一种层次结构标签驱动的小样本图像分类方法，包括以下步骤：获取带有层次结构的多标签图像，构建卷积神经网络作为对比学习框架的主干网络，按照标签层次结构构建对比学习数据对；将数据对输入搭建好的网络模型中，获得特征向量并以特征向量为基础计算对比损失，同时将特征向量映射至具有负曲率的双曲空间中计算相似性损失；将对比损失和相似性损失结合成网络总损失，通过最小化损失函数来优化网络参数。本发明通过将双曲空间结合层次标签先验知识的方式缓解了数据集内细粒度数据间难分问题，同时本发明也可应用于带有偏斜、少样本、细粒度等问题的相关领域，具有可观的技术和经济价值。