基于全局-局部能量协同表征的小样本开集识别方法技术

本发明专利技术公开了一种全局

【技术实现步骤摘要】
基于全局
‑
局部能量协同表征的小样本开集识别方法


[0001]本专利技术属于图像处理
，具体涉及一种全局
‑
局部能量协同表征的小样本开集识别方法。

技术介绍

[0002]近年来，深度学习在各个领域蓬勃发展，在封闭世界学习设置下的训练数据规模不断增加，即训练集和测试集共享完全相同的类别。然而，这样的设置在许多实际应用中往往不成立。这是因为获取大量的标记数据是困难的或昂贵的而且部署在开放世界环境中的模型需要不断地处理来自未知类别的样本。例如，在深度学习诊断罕见病的应用中，样本数量是有限的。在这种情况下，模型容易出现过拟合，导致性能显著下降。此外，由于我们对这些疾病的了解有限，这些疾病可能存在未知的变体。因此，模型需要对有限样本所示的类别进行准确的分类，同时检测来自未知类别的样本。后一种能力很重要，特别是对于医疗或安全等应用场景，例如，在疾病诊断示例中提醒未知病例以供人类调查，或在自动驾驶中请求人类干预处理未知物体。
[0003]小样本学习和开集识别分别是解决这两个问题的技术。小样本学习旨在使用少量样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全局
‑
局部能量协同表征的小样本开集识别方法，其特征在于，包括如下步骤：步骤1：对于一个小样本开集识别的任务其包含N类，每类K个样本作为支持集合查询集合包含两个部分其中为已知查询集合，其包含N类每类Q个样本，且类别与支持集合相同；为未知查询集合，其包含N个来自未知类别集合的类别，每类Q个样本，且每个样本包括一张自然图像以及其对应的类别标签y，其中，h和w分别表示图像的高度和宽度；首先将图像输入到特征提取器中提取特征，其中θ为特征提取器的参数，分别得到支持集合图片和查询集合图片的特征嵌入以及特征图其中，特征的通道维度为dim；道维度为dim；道维度为dim；道维度为dim；步骤2：对于全局分支，首先计算N个支持集合类别的每个类别样本的均值得到类别原型p；具体为：对于类别n，其类别原型p
n
通过该类的全部支持特征嵌入计算得到：然后使用一个自注意力模块对类别原型进行增强，对于由全部类别原型组成的矩阵增强的类别原型矩阵P
*
通过以下方式计算得到：P
q
＝W
q
P,P
k
＝W
k
P,P
v
＝W
v
P(6)其中，为系数矩阵用于对类别原型矩阵进行线性映射，是P
k
的通道维度；最后，通过计算查询集合的特征嵌入和增强的类别原型之间的距离得到全局的相似度通过计算查询集合的特征嵌入和增强的类别原型之间的距离得到全局的相似度其中，是和类别n的原型之间的相似度，distance(
·
,
·
)是一个距离函数，使用欧氏距离进行度量；对于闭集分类，只有全局相似度s
c
通过使用softmax函数用来对已知查询集合样本进行分类：
使用交叉熵损失对闭集分...

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