一种基于特征集合可信度推断的小样本图像分类方法

本发明公开了一种基于特征集合可信度推断的小样本图像分类方法，包括：将小样本图像数据集划分为支持集和查询集；在特征提取模型中嵌入双重注意力机制映射器，构建基于双重注意力机制的轻量级网络模型，进行图像特征提取；使用多尺度特征聚合技术，增强特征表示能力；对支持集和查询集的图像数据应用线性回归，推断数据集中特征的可信度，为特征分配权重，对添加权重的特征使用语义特征进行调整；采用集合度量方法，判断支持集和查询集的相似度；通过全局自监督对比损失对同一图像的不同特征进行训练，对模型在测试集上的分类效果进行验证和评估。本发明解决在数据稀缺情况下全局特征带来的性能瓶颈问题，实现对复杂背景下图像的精准分类。