公开(公告)号：CN115272688A

公开(公告)日：2022-11-01

申请号：CN202210919656.8

申请日：2022-08-02

Applicant: 大连理工大学

Inventor： 张宪超 ,  双翼飞 ,  张晓彤 ,  刘晗 ,  梁文新 ,  刘馨月 ,  李远刚

IPC: G06V10/42 ,  G06V10/44 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于元特征的小样本学习图像分类方法，属于小样本学习图像分类领域。用于在只有少量有标签的图像样本场景，能够很好的完成分类任务。由于在度量图像特征表示之间的相似性时，会存在背景因素的干扰，导致分类准确率较差，同时在细粒度的任务中，由于样本量过少导致无法容易得区分两个相似类别的样本。所以本发明基于这个因素，提出了基于元特征的小样本学习方法，即在学习得到图像特征表示时，同时考虑到全局特征表示和局部特征表示，建立一个自适应调节的网络，让网络模型在粗细粒度的任务中，能根据任务调整对图像全局特征和局部特征的关注度。实验证明，本发现的方法相比传统方法能取得更好的结果。