公开(公告)号：CN114299362A

公开(公告)日：2022-04-08

申请号：CN202111616910.9

申请日：2021-12-27

Applicant: 南京邮电大学

Inventor： 王彩玲 ,  钟辰 ,  蒋国平

IPC: G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于k‑means聚类的小样本图像分类方法，首选，一个包含支持集和查询集的任务被送到特征提取器中，经过连续的卷积块操作后，获得深度图像特征。接着，一个小样本分类模块利用查询集和支持集的深度图像特征，通过构建相似矩阵，可以预测查询集中的图片所属的支持类别。与此同时，一个k‑means聚类任务对特征提取器所输出的图像特征进行聚类，形成若干个簇，同时为每一个簇内的样本分配伪标签。簇分类模块根据伪标签将特征提取器输出的图像特征分成k个类别。在训练过程中，多个任务共享信息，相互促进学习。与现有的小样本图像分类模型相比较，本发明在保持模型稳定性的同时显著提升了小样本图像分类的准确性。

公开(公告)号：CN114299362B

公开(公告)日：2025-01-10

申请号：CN202111616910.9

申请日：2021-12-27

Applicant: 南京邮电大学

Inventor： 王彩玲 ,  钟辰 ,  蒋国平

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于k‑means聚类的小样本图像分类方法，首选，一个包含支持集和查询集的任务被送到特征提取器中，经过连续的卷积块操作后，获得深度图像特征。接着，一个小样本分类模块利用查询集和支持集的深度图像特征，通过构建相似矩阵，可以预测查询集中的图片所属的支持类别。与此同时，一个k‑means聚类任务对特征提取器所输出的图像特征进行聚类，形成若干个簇，同时为每一个簇内的样本分配伪标签。簇分类模块根据伪标签将特征提取器输出的图像特征分成k个类别。在训练过程中，多个任务共享信息，相互促进学习。与现有的小样本图像分类模型相比较，本发明在保持模型稳定性的同时显著提升了小样本图像分类的准确性。