一种面向人物交互的网络权重生成少样本图像分类方法

摘要

本发明的一种面向人物交互的网络权重生成少样本图像分类方法，考虑到人物交互图像数据集中的长尾问题，使用元学习框架，采用episodic训练策略，模拟了真实场景下少样本图像数据情况，减小图像数据分布差异，提高泛化能力，有效解决人物交互任务中图像分布不均的问题。引入标签的名词与动词的语义信息，生成任务级的特征提取网络功能参数对视觉特征进行加强。在训练过程中，不断地从获取不同的小样本任务，使用任务包含类别的语义与视觉融合信息将任务数据表示为一个任务特征，基于这个任务特征，通过参数生成器采样出一个针对当前这个任务的目标网络对应层的参数，关注到相关图像中人物的动作和物体区域，能够提高图像分类能力。