摘要
本发明实施例提供了一种基于注意力机制的双流小样本细粒度图像分类方法及装置,方法包括:将待查询的图像和支持样本集的指定数量类别组成一个任务;将任务输入到训练后的双流模型,经由双流模型的第一流处理,获得当前查询图像属于支持样本集中指定数量类别的预测概率;依次方式遍历支持样本集的所有类别,获得查询图像的最终分类结果;所述双流模型是采用训练集中支持样本集和查询样本集以任务方式对双流模型进行训练,训练中双流模型的第一流处理和第二流处理过程相同,第二流的输入为第一流输入的源图像的特征和源图像进行注意力裁剪机制后得到的目标输入图像。上述方法解决了现有小样本细粒度图像分类无法实现精准分类且成本高的问题。
技术关键词
样本
注意力机制
线性分类器
度量
细粒度图像分类
多层感知机
聚类
模型训练方法
通信接口
模块
编码
参数
存储器
训练集
处理器
系统为您推荐了相关专利信息
储能电站
火灾预警系统
火灾预警方法
多参数
预警模块
震源
危险性分析方法
人工神经网络
地震危险性分析
地震数据集
多尺度神经网络
分支
两阶段
运动想象脑电信号
分类方法