[发明专利]少量学习解决综合视觉推理测试的同差问题的同差模型

权利要求书

1.少量学习解决综合视觉推理测试的同差问题的同差模型，其特征在于：所述同差模型包括输入模块、兴趣区域选择模块、孪生网络和模式识别模块；

所述输入模块用于输入测试样本；

所述兴趣区域选择模块用于获取所述测试样本中若干个感兴趣区域，并将所述若干个感兴趣区域随机分为若干对后，馈入所述孪生网络；

所述孪生网络包括结构相同的异卵双胞胎网络和同卵双胞胎网络，所述异卵双胞胎网络用于元训练，所述同卵双胞胎网络用于学习；

所述同卵双胞胎网络包括嵌入模块和关系模块，所述嵌入模块根据馈入的每对感兴趣区域生成特征图和运算符，将所述特征图馈入到所述关系模块中，产生0至1用于表示相似度的标量，并计算每对感兴趣区域之间的关系得分，设置关系得分阀值；

所述模式识别模块包括滤波器模块P和K最近分类器，所述滤波器模块P用于将低于所述关系得分阀值的关系得分设置为0，并将每一对感兴趣区域的关系得分相加获得相似度值，使用所述K最近邻分类器基于于预测的关系得分对综合视觉推理测试的相同问题进行分类。

2.根据权利要求1所述的同差模型，其特征在于，所述设置关系得分阀值是通过训练集和验证集来获得的。

3.根据权利要求1所述的同差模型，其特征在于，所述获取所述测试样本中若干个感兴趣区域是通过选择性搜索来获取的。

4.根据权利要求3所述的同差模型，其特征在于，计算每对感兴趣区域之间的交叉路口的测量标准，所述交叉路口的测量标准用于测量相应对象的检测精度。

5.根据权利要求4所述的同差模型，其特征在于，在所述计算每个感兴趣区域之间的交叉路口的检测精度之前还包括设置重叠度阀值，当一对感兴趣区域之间的交叉路口的检测精度大于所述重叠度阈值时，则删除面积较小的感兴趣区域。

6.根据权利要求1所述的同差模型，其特征在于，所述嵌入模块由若干卷积层和最大池化层组成，所述卷积层的大小为3，固定步长为1，所述卷积层数指定为16的倍数。

7.根据权利要求1所述的同差模型，其特征在于，所述关系模块由第一卷积块、第二卷积块、第一连接层和输出层组成，所述第一卷积块和所述第二卷积块分别包含一个具有256个滤波器的卷积层，所述第一连接层和所述输出层完全连接，所述第一连接层为64维，使用ReLU激活函数，所述输出层为1维，使用Sigmoid激活函数。

8.根据权利要求7所述的同差模型，其特征在于，所述第一连接层和所述输出层之间设有辍学层，用于缓解过度拟合。