小样本图像识别的任务重要性感知元学习方法

摘要

本发明提出小样本图像识别的任务重要性感知元学习方法，所述方法包括步骤一、形成多个不同的元批次、每个元批次包括多个不同的任务；步骤二、对于每一个任务，建立深度网络模型，选取合适的损失函数，完成在该任务上的内层更新；步骤三、构造任务重要性感知函数，对于同一元批次所有任务的验证损失，通过任务重要性感知函数计算任务重要性系数；步骤四、进行外层更新，完成一个元批次的训练；每一个外层元批次训练结束后得到的模型参数作为下一个元批次的初始参数，如此循环往复，不断进行内外双层更新直至模型收敛，从而完成小样本图像识别的任务重要性感知元学习。