一种半监督小样本深度学习图像模式分类识别方法

摘要

本发明涉及一种半监督小样本深度学习图像模式分类识别方法，属于图像识别领域。该方法包括步骤：S1：对图像样本进行预处理；S2：将预处理得到的数据输入训练好的网络中，网络通过3D卷积层进行特征提取，得到特征图层；S3：每个卷积层后接一个池化层，用于缩小特征图层的大小以减少网络中参数的数目；S4：将经过多层卷积层和池化层提取后的特征与一个全连接层相连，以提取和重新排列需要分类的特征；该层引入局部保邻的正则化操作；S5：输入待测样本，得到分类准确度。本发明利用了大量采集的无标签样本之间的位置相关性，提高了算法在小样本集合下的适用性与准确度。