[发明专利]一种基于特征匹配网络的小样本仪表盘图像识别方法

权利要求书

1.一种基于特征匹配网络的小样本仪表盘图像识别方法，其特征在于，具体步骤如下：

步骤1：获取仪表盘图像数据集；

步骤2：采用特征匹配模块提取步骤1获取的仪表盘图像数据集中的原始特征，构建预测函数g(q，s)；

步骤3：使用训练集对CFM网络模型进行训练；

步骤4：迭代执行步骤2和步骤3，直至达到迭代次数完成训练，采用训练好的CFM网络模型进行仪表盘损坏检测。

2.根据权利要求1所述的基于特征匹配网络的小样本仪表盘图像识别方法，其特征在于，所述步骤2中的特征匹配模块的结构如下：

所述特征匹配模块包括两个输入，查询图像集和支持图像集，所述查询图像集和支持图像集的大小均H×W×C，所述查询图像集采用1×1×C_m的卷积核η映射得到结果η(q)，所述支持图像集采用1×1×C_m的卷积核映射得到的结果为所述支持图像集采用1×1×C_m大小的卷积核ω映射得到结果ω(s)，分别将η＝(q)和展开为二维矩阵，并进行矩阵乘积和softmax操作，最终得到h(q，s)，如公式(1)所示：

式中，η＝(q)和展开后，每一行都代表一个被提取到的特征，因此，查询图像集的第i个特征与支持图像集的第j个特征的相似性如公式(2)所示：

随后，将ω(s)展开为二维矩阵，再通过与h(q，s)的矩阵乘法得到最终的匹配特征如公式(3)所示：

g(q，s)＝h(q，s)ω(s) (3)；

那么，g(q，s)中单个位置的特征如公式(4)所示：

其中，ω(s_j)表示为ω(s)的第j个特征；

将g(q，s)转换为三维矩阵后进行1×1×C的卷积操作，得到与原图像相同大小的匹配特征并与原图像采用比例系数λ组合得到预测函数g(q，s)：

其中，当λ＝0时，仅考虑原始特征，当λ＝1时，仅考虑匹配特征。

3.根据权利要求1所述的基于特征匹配网络的小样本仪表盘图像识别方法，其特征在于，所述步骤3中的CFM网络共享模型参数，所述CFM网络的输入包括一个查询图像和两个分别代表完好与损坏的支持图像positive与negative，所述CFM网络具体处理过程如下：

步骤3-1:分别对输入的查询图像和两个分别代表完好与损坏的支持图像进行一次卷积操作得到查询图像的原始特征q、代表完好的支持图像的原始特征s₁和代表损坏的支持图像的原始特征s₂；

步骤3-2:分别对两个支持图像的原始特征s₁和s₂进行三层卷积操作，每次卷积操作得到的结果均保留并将其作为后一特征匹配模块的支持图像输入，对查询图像的原始特征q先进行一次卷积操作作为第一特征匹配模块的查询图像输入，第二特征匹配模块和第三特征匹配模块的查询图像输入均为前一个特征匹配模块输出进行一次卷积操作后的结果；

步骤3-3：第三特征匹配模块的输出将与支持图像最后一次卷积的结果通过第一串联模块进行级联运算；

步骤3-4：所述步骤3-3得到的输出结果依次经过两次卷积模块和一次全连接模块后得到最终结果并通过第二串联模块进行级联运算，得到最终输出结果。