基于度量学习和元学习的小样本和零样本图像分类方法

摘要

本发明涉及计算机视觉识别和迁移学习领域，提出一种基于度量学习和元学习的小样本和零样本图像分类方法，包括以下步骤：构建训练数据集和目标任务数据集；从训练数据集选取支撑集和测试集；将测试集和支撑集的样本分别输入特征提取网络得到特征向量；将测试集和支撑集的特征向量依次输入特征关注模块和距离度量模块中，计算测试集样本与支撑集样本的类别相似度，并利用损失函数对各个模块的参数进行更新；重复上述步骤至各个模块网络的参数收敛，完成各模块的训练；将从目标任务数据集中的待测图片和训练图片依次通过特征提取网络、特征关注模块和距离度量模块，输出与测试集类别相似度最高的类别标签，即为待测图片的分类结果。