[发明专利]基于区域特征度量学习的小样本模型生成及焊缝检测方法

权利要求书

1.基于区域特征度量学习的小样本模型生成方法，其特征在于包括如下步骤：

S1：将样本图像数据集构造为小样本任务集合，包括如下步骤：

S11：从样本图像数据集中获取基类；

S12：将一组基类图像及其标签输入目标检测模型，作为模板图像；

S13：将剩余的基类图像及其标签输入目标检测模型，作为支持集；

S14：从支持集的各类中，抽取图像作为问题集；

S2：使用小样本任务集合训练目标检测模型，包括如下步骤：

S21：输入：任务分布，训练步长超参数α、β，随机初始化模型参数θ；

S22：开始外循环，根据任务分布，采集任务，初始化问题集，在任务中，输入模板图像和支持集；

S23：开始任务内循环，根据模板图像、支持集和训练步长超参数α，优化模型参数θ，并在任务中，加入问题集，结束任务内循环；

S24：基于问题集与训练步长超参数β，更新模型参数θ，结束外循环。

2.根据权利要求1所述的基于区域特征度量学习的小样本模型生成方法，其特征在于所述S22中，从任务分布p(T)中采样任务T_n，n∈[1,N]表示任务编号，N表示任务总数，初始化问题集D_n’={x^(m),y^(m)}，在任务T_n中，输入D=D₁+D₂，其中D₁={x⁽ⁱ⁾,y⁽ⁱ⁾}，i∈[1,p]表示模板图像，即包含待预测目标类别的样本，D₂={x^(j),y^(j)}，j∈[1,q]表示支持集，即不包含待预测目标类别的样本。