[发明专利]基于少量样本的图像识别方法和系统

权利要求书

1.一种基于少量样本的图像识别方法，包括：

获取图像集合，其中，所述图像集合包括至少一类支撑样本和查询样本；

对所述图像集合进行特征提取，得到图像特征集合，其中，所述图像特征集合包括至少一类支撑样本特征和查询样本特征；

根据至少一个基础类别特征，确定每一类支撑样本特征和所述查询样本特征的相似度；

根据所述相似度对所述图像集合进行分类，得到分类结果；

控制具有显示功能的终端设备将所述分类结果进行显示，其中，所述根据至少一个基础类别特征，确定每一类支撑样本特征和所述查询样本特征的相似度，包括：

根据以下公式确定所述支撑样本特征和所述查询样本特征的相似度：

其中，ψ⁽ⁿ⁾表示第n类支撑样本特征和所述查询样本特征的相似度；

α表示预先设定的相关参数；

φ⁽ⁿ⁾表示第n类支撑样本特征和所述查询样本特征的直接相似度，通过以下公式确定：

φ⁽ⁿ⁾＝cos(q,s⁽ⁿ⁾)，

其中，cos()表示所述第n类支撑样本特征和所述查询样本特征的余弦相似度；

q表示查询样本特征；

s⁽ⁿ⁾表示第n类支撑样本特征；

表示第n类支撑样本特征和所述查询样本特征的间接相似度，通过以下公式确定：

其中，σ(,)表示度量两个分布的相似度函数；

ρ_query表示所述查询样本特征在所述至少一个基础类别特征上的相似度分布；

表示所述第n类支撑样本特征在至少一个基础类别特征上的相似度分布。

2.根据权利要求1所述的方法，其中，所述对所述图像集合进行特征提取，包括：

利用预先训练的特征提取模型对所述图像集合中的图像进行特征提取，得到图像特征集合。

3.根据权利要求2所述的方法，其中，所述特征提取模型是利用以下损失函数对初始模型进行优化得到的：

其中，表示损失值；

t表示预先设定的温度参数；

表示基础类别的类别数量；

b表示全连接层的偏差向量；

b_y表示所述全连接层的偏差向量b中第y个元素，y表示当前样本的类别；

b_j表示所述全连接层的偏差向量b中第j个元素；

r表示特征图中向量的数量；

表示样本中第y类型中某个样本图像的特征图的第i个位置的特征向量的转置；

p^(j)表示特征提取器之后的全连接层参数矩阵P中的类别j对应的参数向量；

P^(y)表示特征提取器之后的全连接层参数矩阵P中的类别y对应的参数向量。

4.根据权利要求3所述的方法，其中，所述基础类别特征是根据以下步骤得到的：

获取训练样本集，其中，所述训练样本集包括至少一类训练样本图像，所述训练样本集中的每一类训练样本图像包括至少一个训练样本图像；

利用所述特征提取模型对所述训练样本集中的每个训练样本图像进行特征提取，得到每个训练样本图像对应的特征；

对每一类训练样本图像中的每个特征进行全局平均池化和取均值压缩的操作，得到至少一个基础类别特征。

5.一种基于少量样本的图像识别系统，包括：

获取单元，被配置成获取图像集合，其中，所述图像集合包括至少一类支撑样本和查询样本；

提取单元，被配置成对所述图像集合进行特征提取，得到图像特征集合，其中，所述图像特征集合包括至少一类支撑样本特征和查询样本特征；

确定单元，被配置成根据至少一个基础类别特征，确定每一类支撑样本特征和所述查询样本特征的相似度；

分类单元，被配置成根据所述相似度对所述图像集合进行分类，得到分类结果；

控制单元，被配置成控制具有显示功能的终端设备将所述分类结果进行显示，其中，所述确定单元：

根据以下公式确定所述支撑样本特征和所述查询样本特征的相似度：

其中，ψ⁽ⁿ⁾表示第n类支撑样本特征和所述查询样本特征的相似度；

α表示预先设定的相关参数；

φ⁽ⁿ⁾表示第n类支撑样本特征和所述查询样本特征的直接相似度，通过以下公式确定：

φ⁽ⁿ⁾＝cos(q,s⁽ⁿ⁾)，

其中，cos()表示所述第n类支撑样本特征和所述查询样本特征的余弦相似度；

q表示查询样本特征；

s⁽ⁿ⁾表示第n类支撑样本特征；

表示第n类支撑样本特征和所述查询样本特征的间接相似度，通过以下公式确定：

其中，σ(,)表示度量两个分布的相似度函数；

ρ_query表示所述查询样本特征在所述至少一个基础类别特征上的相似度分布；

表示所述第n类支撑样本特征在至少一个基础类别特征上的相似度分布。