一种基于CGAN-MAML-ResNet的少样本图像分类方法

本发明涉及图像分类领域，特别涉及一种基于CGAN‑MAML‑ResNet的少样本图像分类方法，包括：获取原始图像，构建并训练CGAN模型，使用训练好的CGAN模型生成样本图像；将样本图像与原始图像共同构成的数据集划分为训练集与测试集，构建多个分类元任务；将训练集输入到ResNet18模型中进行训练，得到训练结束后ResNet18模型的每层特征参数；构建并优化改进的ResNet18模型，获得模型的最优参数；根据最优参数对目标分类任务进行训练，得到分类结果。本发明所述方法具有准确性高、泛化能力强的优点。