公开(公告)号：CN113326892A

公开(公告)日：2021-08-31

申请号：CN202110691161.X

申请日：2021-06-22

申请人： 浙江大学

发明人： 刘洋 ,  蔡登 ,  张伟锋 ,  项超 ,  郑途

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于关系网络的少样本图像分类方法，包括：(1)神经网络模型前向推导查询图像和支持图像的局部视觉特征表示；(2)构建双向附属关系网络挖掘查询图像和支持图像集中的局部特征的深层关联性；(3)根据关系网络的图网络中心性进行查询图像的分类概率预测；(4)使用带有标签的图像数据集进行少样本任务划分后训练神经网络模型(5)根据与支持图像集中各类之间的分类概率进行排序，选取最大分类概率的类作为该图像的类预测。利用本发明，可以使得少样本图像分类在训练过程中的局部特征的关联性得到充分挖掘，使得分类的结果更加准确。