基于模型无关元学习的无监督少样本图像分类方法、系统及存储介质

摘要

本发明公开了一种基于模型无关元学习的无监督少样本图像分类方法、系统及存储介质，包括下述步骤：生成训练数据，得到元训练集和元测试集；构造卷积神经网络模型，在卷积神经网络模型中引入快权重和慢权重，所述快权重在内部循环中进行迭代，所述慢权重在外部循环进行优化求解；利用元训练集和元测试集对优化后的卷积神经网络模型进行训练，得到优化后的神经网络模型；引入无监督相关损失，提高卷积神经网络模型分类效果；将待分类的图像输入到训练好的卷积神经网络，得到分类结果。本发明结合数据采样、数据增强、和无监督图像分类中的方法，提升模型无关原学习方法的训练速度，解决少样本学习无监督样本生成和计算效率的问题。