一种基于转导式推理的均衡小样本任务分类方法

摘要

本发明公开了一种基于转导式推理的均衡小样本任务分类方法。该方法包括确定数据集和分类网络，采用二阶段训练方法训练分类网络；利用分类网络提取小样本任务中的图片特征；对这些特征之间的相似矩阵进行迭代更新至符合预设要求；利用相似矩阵来迭代调整支撑集输出的原型特征，并生成新的相似矩阵，直至新的相似矩阵符合预设要求；利用生成的相似矩阵进行均衡小样本任务分类。本发明为了解决现有技术没有考虑到同一个小样本任务内的支撑集与询问集特征之间的约束关系，没有充分利用转导式推理的优势的问题，利用支撑集和询问集样本之间的相似矩阵的不断更新来解决他们内部特征不匹配的问题，进一步提升了在小样本分类的基准数据集上的性能。