基于支持向量机和卷积神经网络的小样本图像分类方法

摘要

本发明公开了一种基于支持向量机和卷积神经网络的小样本图像分类方法。本发明通过用少量带标签图片样本中的训练集训练支持向量机SVM，用训练好的支持向量机SVM给大量无标签的图像样本打标签，形成伪标签。将少量带标签图像样本中的训练集与带伪标签的图像样本组合，形成增强训练集ATS。通过增强训练集训练卷积神经网络模型，实现从支持向量机SVM到卷积神经网络的知识迁移，最后，用少量带标签样本中的验证集验证迁移后的卷积神经网络图像分类准确率。由于支持向量机只能处理少量数据，且神经网络在少样本下图像分类准确率不高，而经过支持向量机知识迁移的卷积神经网络在训练后，对图像分类准确率明显提高，且增强了模型的泛化能力。