公开(公告)号：CN118015382A

公开(公告)日：2024-05-10

申请号：CN202410312687.6

申请日：2024-03-19

Applicant: 重庆邮电大学

Inventor： 栾晓 ,  何子剑 ,  叶昌昊

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明涉及一种基于类间距离扩张的实例级小样本学习方法，属于图像处理技术领域。该方法为：S1：划分数据集，将小样本数据集划分为训练集、验证集和测试集，并在每个划分数据集内划分支持集和查询集；S2：构建网络模型，通过复杂的卷积神经网络提取图像特征；S3：通过基于实例的预训练让模型学习到可转移的分类能力，通过扩张损失在小样本训练阶段让不同类间距离扩张以获取清晰的类别边界；S4：将支持集和查询集图片输入训练好的网络提取特征，再经过距离度量函数判别每个查询图片对应的支持集类别。本发明能够缓解相似类在特征空间中的类别边界过于邻近导致误分类的情况。基于旋转角度分类的预训练帮助模型学习到更多可泛化知识。