一种基于小样本学习的数据增强和可学习参数的阈值损失优化方法

本发明提供一种基于小样本学习的数据增强和可学习参数的阈值损失优化方法，包括以下步骤：对小样本进行一阶段实际背景图离线增强、一阶段纯色背景图离线增强、二阶段融合增强，形成训练样本集；建立深度学习神经网络模型；所述深度学习神经网络模型具有可学习参数p；采用可学习参数的阈值损失优化方法进行模型训练。本发明提供一种基于小样本学习的数据增强和可学习参数的阈值损失优化方法，通过结合小样本二阶段数据增强技术和可学习参数的阈值损失优化，本发明实现了在极少样本背景下的可实用工程创新方案，极大提升了相关小样本领域的模型鲁棒性和泛化能力，同时也提高了各类别的预测准确性，减少了误检的发生。