一种基于频域分析的小样本图像分类方法技术

本发明专利技术公开了一种基于频域分析的小样本图像分类方法，包括S1、构建基类数据集和新类数据集；S2、在基类数据集上提取若干个N‑way‑K‑shot元任务，将每个元任务分为有标签支持集和有标签问询集，将有标签支持集和有标签问询集作为网络输入，输出为交叉熵分类损失，并反向传播损失调整网络参数；S3、在新类数据集上提取若干个N‑way‑K‑shot元任务，将每个元任务分为有标签支持集和无标签问询集，将无标签问询集作为网络输入，输出网络对无标签问询集的分类结果。本发明专利技术可以同时在训练和测试阶段采用空间域数据处理和频域数据处理。既保留了图像的空间位置信息，又保留了图像的分辨率信息。

【技术实现步骤摘要】

本专利技术涉及图像分类方法，尤其涉及一种基于频域分析的小样本图像分类方法。

技术介绍

1、深度学习的成功离不开庞大的数据支持，但在实际场景中因诸多因素的限制，往往难以获取足够大规模的高质量标注样本。许多领域不具有获得大规模数据集的条件，也有一些领域涉及到隐私、道德等问题难以获得高质量数据。此外，对大规模数据进行人工标注，人工成本巨大也会成为深度学习图像分类方法的困难之一。与需要大数据和算力资源支撑的深度学习模型不同的是，人类在面对新任务时可通过少量数据样本进行快速学习。为了使深度学习模型也能具备类似人类的能力，小样本学习成为一个重要且被广泛研究的问题。小样本学习通过在一个较大数据集上学习大量基类后，仅需少量样本就能快速学习新类，使模型适应于未知任务。小样本学习通常会面临严重的过拟合问题，提出一个能够从少量样本中提取丰富信息且具有泛化能力的模型仍是小样本图像分类研究领域的一大热点。

2、近年来，针对小样本图像分类领域的研究大致分为三类：分别是基于度量的方法、基于数据增强的方法、基于元学习的方法。尽管它们的方法各不相同，但是它们都是在空间域上对图像本文档来自技高网...

【技术保护点】

1.一种基于频域分析的小样本图像分类方法，其特征在于，包括如下方法步骤：

2.根据权利要求1所述的一种基于频域分析的小样本图像分类方法，其特征在于，所述基类数据集提取的若干个N-way-K-shot元任务用于网络训练，所述新类数据集提取的若干个N-way-K-shot元任务用于网络测试。

3.根据权利要求1所述的一种基于频域分析的小样本图像分类方法，其特征在于，所述S2和S3包括空域和频域两个分支，所述S2和S3包括数据处理、特征提取和原型分类三个阶段。

4.根据权利要求1所述的一种基于频域分析的小样本图像分类方法，其特征在于，所述N-way-K-sh...

【技术特征摘要】

1.一种基于频域分析的小样本图像分类方法，其特征在于，包括如下方法步骤：

2.根据权利要求1所述的一种基于频域分析的小样本图像分类方法，其特征在于，所述基类数据集提取的若干个n-way-k-shot元任务用于网络训练，所述新类数据集提取的若干个n-way-k-shot元任务用于网络测试。

3.根据权利要求1所述的一种基于频域分析的小样本图像分类方法，其特征在于，所述s2和s3包括空域和频域两个分支，所述s2和s3包括数据处理、特征提取和原型分类三个阶段。

4.根据权利要求1所述的一种基于频域分析的小样本图像分类方法，其特征在于，所述n-way-k-shot元任务包括：

5.根据权利要求4所述的一种基于频域分析的小样本图像分类方法，其特征在于，一个所述n-way-k-shot元任务由两个部分组成：

6.根据权利要求3所述的一...

【专利技术属性】
技术研发人员：黄章进，严雪文，关胜晓，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：