一种基于遗传规划的元学习小样本图像分类方法

本发明公开一种基于遗传规划的元学习小样本图像分类方法，涉及机器学习与图像处理技术领域。确定元学习的模式N‑way K‑shot learning；获取元训练集和元测试集；构建训练批次和验证批次；获取初始种群；将MAML算法与遗传规划结合获取最好个体；将最好个体对应的神经网络架构作为最终的神经网络架构，将待分类的图像输入最终的神经网络架构得到特征向量，将特征向量输入到支持向量机分类器中，获取分类结果。现有技术中网络结构是通过重用最流行的分类网络结构而任意选择的，结构固定，由于图像之间的高度变化以及图像中的扭曲，使用固定结构的网络在对不同图像进行的好的特征提取是困难的，本发明在元学习算法中使用遗传规划自动生成的架构进行更好的特征提取。