[发明专利]一种基于多角度的小样本图像分类装置和方法

权利要求书

1.一种基于多角度的小样本图像分类方法，其特征在于，包括以下步骤：

步骤S101：对多平台图像集进行预处理，获得预处理图像集，预处理图像集包括样本的正视图、侧视图以及俯视图；

步骤S102：将正视图、侧视图以及俯视图转化为特征向量，获取正视图、侧视图以及俯视图的初始特征；

步骤S103：将正视图、侧视图以及俯视图的初始特征进行等维度的线性映射，获得正视图、侧视图以及俯视图的中间特征；

步骤S104：利对正视图、侧视图以及俯视图进行语义编码，并将语义编码信息加入到正视图、侧视图以及俯视图的中间特征中，获取正视图、侧视图以及俯视图的深层特征；

步骤S105：对正视图、侧视图以及俯视图的深层特征进行处理，获得各样本的自注意力特征矩阵；

步骤S106：融合各样本的自注意力特征矩阵，获取各样本用于分类的融合特征向量；

步骤S107：根据预设的图像类别，对样本的融合特征进行分类识别，获得分类结果，分类结果为多平台图像集中的样本属于预设的图像类别的概率值。

2.根据权利要求1所述的一种基于多角度的小样本图像分类方法，其特征在于，多平台图像集为其中，y_i∈{1，…，K}是多平台图像集第i个样本的标签，K为多平台图像集中样本类别的个数，N为多平台图像集样本的个数，为多平台图像集第i个样本的第v个视图。

3.根据权利要求1所述的一种基于多角度的小样本图像分类方法，其特征在于，基于裁剪尺寸对多平台图像集进行中心裁剪，保留裁剪的结果；然后，根据裁剪的结果筛选出各类别样本在各视角下能够完全呈现样本所有信息的最小裁剪尺寸，再将所有经最小尺寸裁剪之后的图像的像素放缩到{c₆*c₆}，c₆为512，再将放缩后的图像进行裁剪尺寸为{r₁*r₁}的随机裁剪，r₁为336；最后，对随机裁剪的图像像素进行放缩，放缩的尺寸为{224*224}，得到预处理图像集。

4.根据权利要求1所述的一种基于多角度的小样本图像分类方法，其特征在于，步骤102具体过程为：提取样本的正视图、侧视图以及俯视图的语义信息，将样本的正视图、侧视图以及俯视图的语义信息转化为特征向量，获取所述正视图、侧视图以及俯视图的初始特征。

5.根据权利要求1所述的一种基于多角度的小样本图像分类方法，其特征在于，步骤S103中正视图、侧视图以及俯视图的中间特征通过下式计算：

mf＝of*W₁

ms＝os*W₂

mt＝ot*W₃

式中，of、os、ot分别为正视图、侧视图以及俯视图的初始特征，mf、ms、mt分别为正视图、侧视图以及俯视图的中间特征，W₁、W₂、W₃分别为正视图、侧视图以及俯视图的参数矩阵。

6.根据权利要求1所述的一种基于多角度的小样本图像分类方法，其特征在于，步骤S104中正视图、侧视图以及俯视图的深层特征通过下式计算：

df＝mf+V₁

ds＝ms+V₂

dt＝mt+V₃

式中，df、ds、dt分别为正视图、侧视图以及俯视图的深层特征，mf、ms、mt分别为正视图、侧视图以及俯视图的中间特征，V₁、V₂、V₃分别为正视图、侧视图以及俯视图的编码信息。