一种基于深度交叉熵集成的多视图图像分类方法

本发明公开了一种深度交叉熵集成的多视图图像分类方法，基于图像构建数据集，且分为训练集和测试集；构建交叉熵集成图像分类模型的网络架构，交叉熵集成图像分类模型包括骨干网络、原型网络和集成分类网络三个部分；骨干网络部分中的处理过程为：将输入的图像编码为特征映射原型网络部分中将特征映射投影到原型特征P上，获得一组多样化的特征表示V；集成分类网络中将输入图像的多个视图表征V＝{V1,V2…VN}进行加权融合，并计算集成交叉熵损失；利用训练集对交叉熵集成图像分类模型进行训练；用训练好的交叉熵集成图像分类模型进行图像分类，本发明适应不同的数据集和任务的需求，解决传统多视图图像分类方法固有的问题。