公开(公告)号：CN114330516B

公开(公告)日：2025-01-14

申请号：CN202111534376.7

申请日：2021-12-15

Applicant: 安徽大学

Inventor： 赵康康 ,  江波

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/04

Abstract: 本发明公开一种基于多图引导神经网络模型的小样本徽景图像分类方法，基于不同层次(view)多图引导神经网络模型的特征，对不同层次的图像特征信息进行建模，同时引入对于不同样本进行关系建模的图卷积神经网络，通过样本间特征传播拉近同类样本远离不同类样本使得样本特征更具有判别力。本发明可以有效地解决小样本复杂的徽景图像分类问题，其模型架构主要包括四个方面：利用深度网络提取徽景图像不同层次view的特征，基于不同层次view的全局特征表示进行图的构建，分别对不同层次view特征进行图的卷积表示，基于多图引导的特征对查询样本进行分类。

公开(公告)号：CN114330516A

公开(公告)日：2022-04-12

申请号：CN202111534376.7

申请日：2021-12-15

Applicant: 安徽大学

Inventor： 赵康康 ,  江波

IPC: G06K9/62 ,  G06N3/08 ,  G06V10/764

Abstract: 本发明公开一种基于多图引导神经网络模型的小样本徽景图像分类，基于不同层次(view)多图引导神经网络模型的特征，对不同层次的图像特征信息进行建模，同时引入对于不同样本进行关系建模的图卷积神经网络，通过样本间特征传播拉近同类样本远离不同类样本使得样本特征更具有判别力。本发明可以有效地解决小样本复杂的徽景图像分类问题，其模型架构主要包括四个方面：利用深度网络提取徽景图像不同层次view的特征，基于不同层次view的全局特征表示进行图的构建，分别对不同层次view特征进行图的卷积表示，基于多图引导的特征对查询样本进行分类。