一种基于原型网络少样本学习的图像分类器构建、图像识别方法及系统

摘要

本公开公开了一种基于原型网络少样本学习的图像分类器构建、图像识别方法及系统，该图像分类器构建方法包括：接收图像训练集，基于episode的方式将图像训练集构造样本集和查询集；提取所有样本集和查询机的n维度特征；根据Bregman散度计算样本集中每类样本的原型；计算查询集中每个样本到各类样本原型的距离；计算查询集中每个样本到各类样本的可能性；计算查询集中各类样本的损失，计算所有样本的平均损失；采用样本损失函数优化基于度量的原型网络对样本间的距离分布建模的模型，得到图像分类器。该图像识别方法包括接收待识别图像；根据所述的图像分类器确定待识别图像类型，得到图像识别结果。