基于神经网络的自监督无微调的少样本分类方法

本发明提供了一种基于神经网络的自监督(无监督)、无微调的视觉少样本分类方法。本发明在常见的编解码网络模型中集成了两个结构设计：其一，包含二阶统计量的编解码器侧向连接设计；其二，编解码器特征图的向量量化设计。此外，在上述结构设计的基础上，本发明提出了一种在测试阶段无需模型微调的视觉少样本判别依据设计。通过上述方案，本发明可以实现自监督、无微调的视觉少样本分类任务。