[发明专利]基于元学习和记忆网络的图像分类方法及系统

权利要求书

1.一种基于元学习和记忆网络的图像分类方法，其特征在于，包括如下步骤：

将图像分类数据输入深度分类学习模型中学习得到图像原始特征表示；

设置一个记忆网络模块，所述记忆网络模块包括多个记忆块，每一个记忆块对应保存着相应类别的元知识；

将图像原始特征表示分别与记忆块进行计算得到读参数,利用读参数从记忆块中获得图像最终特征表示；

将图像最终特征表示映射到所有记忆块上，通过softmax计算得到其在每一个记忆块对应类别上的概率值，根据概率值的大小判断其所属分类；

其中，所述将图像原始特征表示分别与记忆块进行计算得到读参数,利用读参数从记忆块中获得图像最终特征表示，具体包括如下内容：

将图像原始特征表示分别与记忆网络模块进行读写操作，读过程是将图像原始特征表示分别与每一个记忆块进行计算得到读参数 W ^r，其具体计算方式如下：

上式中，x为原始图片特征表示，m_i 为记忆块M中第i个卡槽中存储的信息，m_j为记忆块M 中第 j个卡槽中存储的信息；利用余弦相似度计算公式可得到两者之间的相似度值，并对所有的相似度值利用softmax函数计算出相应的权重，从而得到读参数 W ^r ；

然后利用读参数 W ^r 和记忆块获得图像最终特征表示；其具体计算方式如下：

。

2.根据权利要求1所述基于元学习和记忆网络的图像分类方法，其特征在于，在所述将图像分类数据输入深度分类学习模型中学习得到图像原始特征表示之前，还需要对图像分类数据进行预处理；所述对图像分类数据进行预处理包括如下内容：

收集图像分类任务的数据集；

对数据集中的图像数据进行大小比例调整，直至所有图像数据符合深度分类学习模型输入的统一大小尺寸；

采用图像处理库获取数据集中所有图像数据的多通道二维表示，并将其转化成张量表示，作为深度分类学习模型的输入。

3.根据权利要求1所述基于元学习和记忆网络的图像分类方法，其特征在于，在记忆网络模块中增加一记忆块，该记忆块对应保存着的类为背景类。

4.根据权利要求1所述基于元学习和记忆网络的图像分类方法，其特征在于，所述将图像原始特征表示分别与记忆块进行计算得到读参数,利用读参数从记忆块中获得图像最终特征表示；包括：

当类别数目未超过设定范围时，将图像原始特征表示分别与每一个记忆块进行计算得到读参数,利用读参数从记忆块中获得图像最终特征表示；

当类别数目超过设定范围时，将图像原始特征表示分别与部分记忆块进行计算得到读参数,利用读参数从记忆块中获得图像最终特征表示。

5.根据权利要求4所述基于元学习和记忆网络的图像分类方法，其特征在于，所述将图像原始特征表示分别与部分记忆块进行计算得到读参数,利用读参数从记忆块中获得图像最终特征表示；包括：

将经过网络表示学习之后的图像原始特征表示映射到所有记忆块上，通过softmax计算得到其在每一个记忆块对应类别上的概率值；

取前k个概率值最大和前k个概率值最小所对应的类，将图像原始特征表示分别与每一个所取类相对应的记忆块进行计算得到读参数；

利用读参数和记忆块获得图像最终特征表示。