摘要
本申请实施例提供了一种广义类发现模型的训练方法、图像识别方法、装置、设备及介质,包括:将样本图像中的标记图像和无标记图像分别输入到所述广义类发现模型的类知识引导样本相似性学习模块,得到所述标记图像和无标记图像之间的第一相似性矩阵;将所述标记图像的标签信息输入到广义类发现模型的类别相似性模块,得到标签类别的相似性得分;将所述样本图像输入到所述广义类发现模型的标签估计模块,得到所述样本图像的聚类结果;根据所述聚类结果、所述第一相似性矩阵和所述相似性得分对所述广义类发现模型的原型网络进行训练,直到广义类发现模型收敛,从而解决了目标分类器对图像新类的泛化能力低的问题。
技术关键词
标记
广义
原型
样本
图像识别方法
标签类别
特征提取网络
关系网络
聚类
矩阵
标签模块
图像识别装置
模型训练方法
可读存储介质
处理器
语义
系统为您推荐了相关专利信息
融合特征
残差注意力机制
感知特征
多尺度特征
纹理特征
标注分类方法
人工智能模型
节点特征
数据处理分类技术
强化学习策略