[发明专利]一种基于元学习的云图像集编码方法

权利要求书

1.一种基于元学习的云图像集编码方法，其特征在于，包括：

将云存储的图像划分为多个类别；

将每一类别下的图像聚类为多个云图像集；

针对每一类别，利用该类别下的部分云图像集生成第一隐变量集合；

利用所述第一隐变量集合学习所述部分云图像集的基本参数和微调参数；

为该类别下的任一新云图像集生成第二隐变量集合；

将所述第一隐变量集合学习到的基本参数和微调参数迁移给所述新云图像集，并基于所述第二隐变量集合为所述新云图像集仅学习相应的微调参数，得到所述新云图像集的基本参数和最终学习到的微调参数，完成所述新云图像集的编码。

2.根据权利要求1所述的基于元学习的云图像集编码方法，其特征在于，将云存储的图像划分为多个类别时的依据，包括：

拍摄地点、天气、光照和图像内容。

3.根据权利要求1所述的基于元学习的云图像集编码方法，其特征在于，所述将每一类别下的图像聚类为多个云图像集，包括：

利用近邻传播方法将每一类别下的图像聚类为多个云图像集。

4.根据权利要求1所述的基于元学习的云图像集编码方法，其特征在于，所述针对每一类别，利用该类别下的部分云图像集生成第一隐变量集合，包括：

针对每一类别，将该类别下的部分云图像集利用预设VGG网络分别生成相应图像的卷积特征作为隐变量，将所述部分云图像集得到的所有隐变量构成第一隐变量集合；

相应的，所述为该类别下的任一新云图像集生成第二隐变量集合，包括：

将该类别下的任一新云图像集利用所述预设VGG网络生成相应图像的卷积特征作为隐变量，将所述任一新云图像集得到的所有隐变量构成第二隐变量集合。

5.根据权利要求4所述的基于元学习的云图像集编码方法，其特征在于，所述预设VGG网络，包括：

预设VGG16网络；

其中，所述预设VGG16网络的架构包括：conv3-64、conv3-64、maxpool、conv3-128、conv3-128、maxpool、conv3-256、conv3-256、conv3-256、maxpool、conv3-512、conv3-512、conv3-512、maxpool、conv3-512、conv3-512、conv3-512；其中，conv3-x表示采用的是3×3的卷积核和x个通道的卷积层，所述预设VGG16网络中x＝64、128、256、512，maxpool表示最大池化。

6.根据权利要求1或5所述的基于元学习的云图像集编码方法，其特征在于，所述利用所述第一隐变量集合学习所述部分云图像集的基本参数和微调参数，包括：

将所述第一隐变量集合利用预设的调整模块，通过元学习方式，学习所述部分云图像集的基本参数和微调参数；其中，所述调整模块由残差网络构成。