[发明专利]基于嵌入增强和自适应的小样本图像增量分类方法及装置

权利要求书

1.一种基于嵌入增强和自适应的小样本图像增量分类方法，其特征在于，包括以下步骤：

获取图像增量分类系统，所述图像增量分类系统用于对待分类图像进行增量分类任务；

获取待分类图像，并将所述待分类图像上传至所述图像增量分类系统进行识别；

在所述图像增量分类系统识别失败时，从所述待分类图像中获取该类别少量图像作为训练样本，并将所述训练样本通过特征预训练模块计算得到目标原型，并通过混合关系映射模块对所述目标原型和/或原始原型进行自适应调整，以更新所述图像增量分类系统中所有原型，以通过调整后的所述图像增量分类系统实现对未识别类别的待分类图像的分类识别；

在所述图像增量分类系统识别成功时，根据所述待分类图像通过特征预训练模块、混合关系映射模块和NCM分类器进行分类识别，并输出分类结果。

2.如权利要求1所述的方法，其特征在于，所述获取图像增量分类系统，包括：

根据数据集及任务特点选择嵌入表示模型，并结合自监督学习和注意力机制形成特征预训练模块，基于图像分类标注结果对所述特征预训练模块进行预训练；

获取所述特征预训练模块的输出结果；

基于所述特征预训练模块的输出结果，完成图像增量分类系统的训练。

3.如权利要求2所述的方法，其特征在于，所述获取特征预训练模块的输出结果可以包括：

特征预训练模块的输出结果未达到预期精度，调整特征预训练模块超参数，并进一步对特征预训练模块进行预训练；

特征预训练模块的输出结果达到预期精度，冻结特征预训练模块参数，并通过伪增量情节选择模块选取伪增量情节，对混合关系映射模块和NCM分类器进行训练。

4.如权利要求3所述的方法，其特征在于，所述伪增量情节选择模块，包括：

伪基类，所述伪基类包括：在每次迭代中利用来自基础数据集生成N-way K-shot形式的支持集S_b，相应的查询集Q_b是从N个类别中采样形成的，每个类别包含E个查询样本，其中，N、E为正整数，EN，所述查询集与所述支持集中的样本不同，可以用(S_b，Q_b)来表示；

伪增量类，所述伪增量类包括：将所述伪基类的每个样本旋转270度，可以用(S_i，Q_i)来表示。