[发明专利]一种小样本图像数据集划分方法及计算机可读存储介质

摘要

本发明提供一种小样本图像数据集划分方法及计算机刻度存储介质，包括S1.利用距离度量学习的深度神经网络获取目标图像数据集的深度特征，构造带有中心损失的损失函数优化训练网络，将目标图像数据转化为其对应的深度特征向量；S2.利用基于距离聚类算法，对获取的目标图像数据集的深度特征，按照数据集原有的类别标签，将不同图片的深度特征表示输入距离聚类算法，算法输出聚类划分中心，然后根据聚类划分中心对每个类别的图片内部进行聚类，得到每一个样本所属的层次；S3.根据聚类结果，利用分层采样的方式在每一类数据的不同层次中进行采样，得到分布均匀的训练集以及测试集，用于后续模型的训练。本发明通过距离度量学习的深度神经网络的方式使其能够得到图像数据更好的特征表达，通过该特征表达方式进行聚类并分层采样，划分出分布更均匀、训练效果更好的数据集。