[发明专利]图像分类方法、装置、计算机可读存储介质及电子装置

权利要求书

1.一种图像分类方法，其特征在于，包括：

分别对支持集图像、查询集图像进行分块处理，得到支持样本分块图像、查询样本分块图像；

基于特征嵌入网络分别提取所述支持样本分块图像对应的目标特征、所述查询样本分块图像对应的目标特征，得到所述支持样本分块图像对应的特征向量、所述查询样本分块图像对应的特征向量，其中，所述特征嵌入网络用于提取目标图像的特征，所述目标图像包括以下至少之一：所述支持样本分块图像、所述查询样本分块图像；

根据所述支持样本分块图像对应的特征向量、所述查询样本分块图像对应的特征向量，确定所述支持样本对应的自适应特征向量，并基于迭代学习的方式拟合出所述支持样本对应的类原型；

根据所述查询样本分块图像对应的特征向量和所述支持样本对应的类原型，对所述查询样本分块图像进行分类。

2.根据权利要求1所述的方法，其特征在于，所述特征嵌入网络至少包括：深度残差网络与全局平均池化层，其中，所述深度残差网络用于提取目标图像的初始特征，所述全局平均池化层用于对所述初始特征进行全局平均池化和位置置换操作，得到所述目标图像对应的目标特征。

3.根据权利要求2所述的方法，其特征在于，所述深度残差网络包括四个连接的残差块，其中，每个所述残差块包含三个卷积块，每个所述卷积块至少包含一个预定卷积核为X*X且步长为Y的卷积层、一个归一化层以及一个激活函数，其中，X、Y均为正整数。

4.根据权利要求1所述的方法，其特征在于，根据所述支持样本分块图像对应的特征向量、所述查询样本分块图像对应的特征向量，确定所述支持样本对应的自适应特征向量，包括：

对所述支持样本分块图像对应的特征向量、所述查询样本分块图像对应的特征向量进行距离度量，得到距离矩阵；

确定所述支持样本分块图像与所述查询样本分块图像之间的权重矩阵；

根据所述权重矩阵对所述距离矩阵进行加权处理，得到相关矩阵；

根据所述支持样本分块图像对应的特征向量与所述相关矩阵，得到所述支持样本对应的自适应特征向量。

5.根据权利要求4所述的方法，其特征在于，确定所述支持样本分块图像与所述查询样本分块图像之间的权重矩阵，包括：

确定所述支持样本分块图像与所述查询样本分块图像之间的第一矩阵与第二矩阵，其中，所述第一矩阵为计算所述支持样本分块图像与所述查询样本分块图像的点积而得到的，所述第二矩阵为计算所述查询样本分块图像与所述支持样本分块图像的点积而得到的；

确定所述第一矩阵与所述第二矩阵之间的协方差矩阵，其中，将所述协方差矩阵的迹作为所述权重矩阵。

6.根据权利要求1所述的方法，其特征在于，所述支持样本对应的类原型采用以下方式表示：

其中，c_s为所述支持样本对应的类原型，x_i为所述支持样本，f( )为所述特征嵌入网络的函数映射；R_θ( )为类原型学习模块的映射函数，θ为所述类原型学习模块中的学习参数，K为每一类别中所述支持样本的样本数量。

7.根据权利要求1至6中任意一项所述的方法，其特征在于，根据所述查询样本分块图像对应的特征向量和所述支持样本对应的类原型，对所述查询样本分块图像进行分类，包括：

对所述查询样本分块图像对应的特征向量和所述支持样本对应的类原型进行距离度量，得到余弦距离；

根据所述余弦距离确定所述查询样本分块图像所属的图像类别。