公开(公告)号：CN109766942B

公开(公告)日：2020-08-04

申请号：CN201910011538.5

申请日：2019-01-07

Applicant: 西南交通大学

Inventor： 黄进 ,  董侃 ,  朱明仓 ,  李剑波 ,  王敏 ,  刘怡 ,  任鑫 ,  任钰 ,  程章桃 ,  杨伟康

IPC: G06K9/62

Abstract: 本发明公开了一种基于注意力基于神经网络的小样本学习图像识别方法，方法包括如下步骤：步骤S1：将样本图片经过神经网络处理，得到该图片的特征向量；步骤S2：将同一类别图片的特征向量经过注意力网络处理，得到图片的特征注意力向量；步骤S3：将特征注意力向量与特征向量相乘得到注意力修正后的特征向量；步骤S4：将注意力修正后的特征向量求平均值得到同一类别的特征向量；步骤S5：将待处理的图片经过神经网络处理，得到待处理图片的特征向量；步骤S6：将待处理图片的特征向量与同一类别的特征向量进行距离远近的对比，得到待处理图片的所属类别，解决了当样本数据量比较少时可以进行图片分类同时能一定程度上减少图片背景干扰，提高识别准确率的问题。

公开(公告)号：CN109766942A

公开(公告)日：2019-05-17

申请号：CN201910011538.5

申请日：2019-01-07

Applicant: 西南交通大学

Inventor： 黄进 ,  董侃 ,  朱明仓 ,  李剑波 ,  王敏 ,  刘怡 ,  任鑫 ,  任钰 ,  程章桃 ,  杨伟康

IPC: G06K9/62

Abstract: 本发明公开了一种基于注意力基于神经网络的小样本学习图像识别方法，方法包括如下步骤：步骤S1：将样本图片经过神经网络处理，得到该图片的特征向量；步骤S2：将同一类别图片的特征向量经过注意力网络处理，得到图片的特征注意力向量；步骤S3：将特征注意力向量与特征向量相乘得到注意力修正后的特征向量；步骤S4：将注意力修正后的特征向量求平均值得到同一类别的特征向量；步骤S5：将待处理的图片经过神经网络处理，得到待处理图片的特征向量；步骤S6：将待处理图片的特征向量与同一类别的特征向量进行距离远近的对比，得到待处理图片的所属类别，解决了当样本数据量比较少时可以进行图片分类同时能一定程度上减少图片背景干扰，提高识别准确率的问题。