一种基于转换网络与自监督的小样本分类方法
公开
摘要
本发明公开了一种基于转换网络与自监督的小样本分类方法，在通用的分类模型基础上增加一个转换网络模块，加入不同噪声进行特征增强，合成具有区分性与多样性的特征嵌入，使训练出来的模型可以更好的适用于小样本下游任务。具体包括如下步骤：获取用于训练特征提取器与转换网络模块的图像数据集；将图像数据集送入网络，使用特征增强方法获得具有区分性和多样性的特征嵌入，并结合自监督学习训练特征提取器与转换网络模块，优化目标是几个交叉熵损失与KL散度的和；获得训练好的特征提取器和转换网络模块，并将它应用于小样本分类任务。本发明在4个小样本分类任务基准(miniImageNet，tieredImageNet，CIFAR‑FS和Caltech‑UCSD)上均有很好的表现，证明了其在性能上的有效性与优越性。
基本信息
专利标题 ：
一种基于转换网络与自监督的小样本分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114299326A
申请号 ：
CN202111483193.7
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-07
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
于云龙靳莉莎
申请人 ：
浙江大学
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州宇信联合知识产权代理有限公司
代理人 ：
王健
优先权 ：
CN202111483193.7
主分类号 ：
G06V10/764
IPC分类号 ：
G06V10/764 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
