一种基于全局-局部知识蒸馏的跨域小样本图像分类方法技术

本发明专利技术提供了一种基于全局

【技术实现步骤摘要】
一种基于全局
‑
局部知识蒸馏的跨域小样本图像分类方法


[0001]本专利技术属图像处理
，具体涉及一种基于全局
‑
局部知识蒸馏的跨域小样本图像分类方法。

技术介绍

[0002]图像处理是机器视觉走向工业应用的关键技术，而图像分类是图像处理技术的基础。在医学、遥感等多种场景下，图像数据往往难以获取，呈现典型的小样本特性。为了缓解小样本问题，一种有效的方式是利用源域数据学习可迁移的知识，并将学习到的知识泛化到目标域的小样本任务中。然而，由于源域与目标域之间存在域差异，导致源域上训练的模型难以有效地泛化到目标域中。为此，研究适用于跨域场景下的小样本图像分类技术具有重要的应用价值。文献“Snell J,Swersky K,Zemel R.Prototypical networks for fewlearning[C]//Advances in Neural Information Processing Systems.2017:4077
‑
.”提出一种基于原型的小样本图像分类方法。它首先使用深本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全局
‑
局部知识蒸馏的跨域小样本图像分类方法，其特征在于步骤如下：步骤1：基于现有的图像数据集构建小样本任务训练数据集，包括支持集和查询集其中，支持集包括N个类别，每个类别带有K个监督样本，查询集也包括这N个类别，每个类别带有M个未标记的样本；步骤2：构建模型的全局分支，其处理过程如下：首先，按照下式获得支持集的原型表示：其中，表示支持集中第n个类别的第k个样本，表示全局分支中的特征提取网络，本发明中采用ResNet
‑
10网络，C
n
表示第n个类别的原型表示，n＝1,2,
…
,N；然后，基于原型表示对查询集中的每个样本进行类别隶属关系预测：其中，表示查询集中的第i个查询样本，i＝1,2,
…
,N*M，表示该样本的预测得分，matching(
·
)为两个向量之间的相似度度量函数，本发明中使用欧氏距离进行相似度度量；接着，根据预测得分中的最大相似度对应的类别作为该查询样本的预测标签并根据查询样本的预测标签和真实标签计算交叉熵损失如下：其中，H(
·
)表示交叉熵损失函数，表示查询样本对应的真实标签，表示查询样本的预测标签和真实标签之间的交叉熵损失；步骤3：构建模型的局部分支，其处理过程如下：对于查询样本首先使用随机裁剪获取其相应的局部图像块其中r∈[1,R]，R表示每个查询图像对应的局部图像块的个数，表示查询样本的第r个局部图像块；然后，使用局部分支中的特征提取网络提取得到各个局部图像块对应的局部特征其中，局部分支中的特征提取网络采用ResNet
‑
10网络；接着，使用步骤2计算的原型对局部特征进行...

【专利技术属性】
技术研发人员：张磊，魏巍，周飞，张艳宁，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：