一种基于局部描述子的批评家驱动的小样本学习方法技术

本发明专利技术公开一种基于局部描述子的批评家驱动的小样本学习方法，本发明专利技术使用图片不同区域的局部描述子描绘图片细节特征信息，并采用图到类的分类方法提升分类精度。本发明专利技术旨在利用该批评家网络机制对提取出的图片局部描述子打分，提高分数高的局部描述子对分类结果的影响权重，从而调整批评家网络参数使其对图片重要局部描述子打出高分，进而迫使整体小样本学习网络关注图片重点区域，减轻图片杂乱背景和无关信息对网络分类的影响，提升最终的网络对图片的分类效果。

【技术实现步骤摘要】
一种基于局部描述子的批评家驱动的小样本学习方法
本专利技术涉及图像识别、小样本学习、图像特征信息提取以及深度学习等领域，特别是涉及一种基于局部描述子的批评家驱动的小样本学习方法。
技术介绍
近年来，深度学习的方法与技术不断发展与进步，极大地驱动了图像识别领域研究的发展，比如图像分类、图像分割和目标检测等，甚至在某些任务上深度学习网络的能力已经超越了人类。然而主流的深度学习方法通常需要极大量的数据来训练网络模型，并且这些方法容易在特定任务上过拟合，或者说，他们在全新的数据集上经常表现欠佳。而人类在面对全新任务的挑战时的快速适应能力仍然处于不败之地。在这一背景下，小样本学习应运而生。小样本学习旨在迫使模型在很小的样本量下学习，并且获得在训练数据集之外的模型泛化能力。现有的基于元学习或者度量学习的小样本学习方法通常利用以下几种改善方法来提高模型学习能力，比如数据增强、嵌入网络模型结构改善，比较基准改善和目标定位。最大熵区块生成器可以模拟人的视觉轨迹采样图片的区块序列，并使用强化学习的方法将这些序列分为背景序列和目标序列，引导模型关注图像目标区本文档来自技高网...

【技术保护点】
1.一种基于局部描述子的批评家驱动的小样本学习方法，其特征在于，包括以下步骤：/n(1)通过局部描述子提取网络提取出图片的局部描述子；/n(2)通过批评家网络对提取出的图片的局部描述子进行打分；/n(3)使用图到类的分类方法，依据提取出的局部描述子和打出的分数对图片进行分类。/n

【技术特征摘要】
1.一种基于局部描述子的批评家驱动的小样本学习方法，其特征在于，包括以下步骤：
(1)通过局部描述子提取网络提取出图片的局部描述子；
(2)通过批评家网络对提取出的图片的局部描述子进行打分；
(3)使用图到类的分类方法，依据提取出的局部描述子和打出的分数对图片进行分类。


2.根据权利要求1所述一种基于局部描述子的批评家驱动的小样本学习方法，其特征在于，步骤(1)中使用局部描述子提取网络分别提取...

【专利技术属性】
技术研发人员：陶文源，郭白鹭，翁仲铭，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12