一种基于对比学习的双分支小样本图像分类方法

本发明公开了一种基于对比学习的双分支小样本图像分类方法，属于图像分类技术领域。本方法设计了一种双分支模型，其中一个分支关注全局特征提取，另一个分支关注局部特征提取，通过对比学习实现两种特征的高效融合。提出的显著性掩模混合和置信度裁剪选择器模块，结合全局自监督对比损失和跨视角情景训练机制，能够有效提升模型的鲁棒性与泛化能力。具体技术方案包括基于随机裁剪和显著性融合的数据增强方法、显著性区域优先的图像混合技术、以及针对不同视角图像的对比学习优化策略。本发明解决了全局特征与局部特征融合过程中潜在的性能瓶颈问题，实现了对复杂背景下图像的精准分类。