一种基于梯度优化的少样本图像分类方法

本发明属于计算机多媒体技术领域，具体为一种基于梯度优化的少样本图像分类方法。本发明方法如下：1)图像输入阶段，将源域图像与目标域小样本图像，输入图像分类网络提取特征，计算损失值Loss；2)梯度引导阶段，将两个Loss同时输入GradMF算法中计算梯度，通过算法将大样本源域梯度引导至小样本目标域梯度方向上；3)更新模型阶段，将新的梯度返回到网络，更新网络参数，提升网络对小样本图像的分类准确率；4)模型分类阶段，利用训练好的网络模型对需要分类的少样本目标进行分类。本发明提出的方法解决少量样本无法有效训练准确率较高的模型问题，能够优化各类图像分类模型的准确率，并且使得分类模型具有较强的鲁棒性。