一种小样本图像分类方法技术

本发明专利技术公开一种小样本图像分类方法，包括，基于储备池构建小样本学习模型，其中所述小样本学习模型包括特征提取模块、基于储备池的特征增强模块及分类器；获取自动驾驶过程中的小样本数据集，通过小样本数据对小样本学习模型进行训练、测试及验证，生成优化模型，获取自动驾驶过程中的实测小样本图像，通过优化模型对实测小样本图像进行分类，得到分类结果以实现自动驾驶过程中的小样本图像分类。实现自动驾驶过程中的小样本图像分类。实现自动驾驶过程中的小样本图像分类。

【技术实现步骤摘要】
一种小样本图像分类方法


[0001]本专利技术涉及图像分类
，特别涉及一种小样本图像分类方法。

技术介绍

[0002]近年来，深度学习方法凭借大规模数据大幅度提高了图像分类、人脸识别、目标检测以及语义分割等任务的分类精度，在计算机视觉领域取得了巨大的成功。然而，现实场景往往是数据稀缺的，即并不具备获得大规模可训练数据的条件，使得深度学习方法容易产生过拟合、低泛化能力等问题。为了能够在数据稀缺的场景下进行学习，小样本学习成为深度学习的一个重要研究方向。
[0003]目前小样本学习大体上可以被分为两类，基于数据增强的方法和基于学习策略的方法。基于数据增强的方法旨在生成新样本来扩充原始样本空间或者特征空间；基于学习策略的方法可以细分为基于模型微调的方法、基于元学习的方法等。
[0004]模型微调的方法指对传统的神经网络进行预训练并精细的调参，此类方法操作简单，已经取得了很好的效果，但仍然存在过拟合问题。元学习方法在解决小样本问题时显示出了巨大的潜力。基于元学习的方法将训练集划分为大量的元任务，通过元任务训练模型从而使其具有解决元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小样本图像分类方法，其特征在于，包括：基于储备池构建小样本学习模型，其中所述小样本学习模型包括特征提取模块、基于储备池的特征增强模块及分类器；获取自动驾驶过程中的小样本数据集，通过小样本数据对小样本学习模型进行训练、测试及验证，生成优化模型，获取自动驾驶过程中的实测小样本图像，通过优化模型对实测小样本图像进行分类，得到分类结果以实现自动驾驶过程中的小样本图像分类。2.根据权利要求1所述的分类方法，其特征在于：所述特征提取模块为卷积网络以对小样本图像进行特征提取。3.根据权利要求1所述的分类方法，其特征在于：所述基于储备池的特征增强模块包括通道级特征增强模块及像素级特征增强模块，其中所述通道级特征增强模块及像素级特征增强模块均包括储备池，所述储备池内部拓扑采用半全连接结构。4.根据权利要求3所述的分类方法，其特征在于：所述通道级特征增强模块由依次连接的线性层、储备池及残...

【专利技术属性】
技术研发人员：郭杰龙，魏宪，王彬，俞辉，邵东恒，张剑锋，李杰，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：