一种基于局部特征筛选的小样本细粒度图像分类的方法

摘要

本发明公开了一种基于局部特征筛选的小样本细粒度图像分类的方法，在元学习和度量学习的基础上，本发明更适用于类间差异较小和类内差异较大的细粒度图像。在经过嵌入网络后的特征图像，利用查询集和支持集的相似性关系，利用相互选择后的关系矩阵对齐支持集图像，筛选出具有分类价值的局部特征。本发明有效地解决了小样本图像分类的过拟合和细粒度图像局部特征差异较大的问题，实现简单，具有较高的分类性能，并且方法具有可移植性。