[发明专利]一种基于异常点暴露的少样本图像分类方法及系统

摘要

本发明提供一种基于异常点暴露的少样本图像分类方法及系统，包括为当前分类任务添加辅助的异常图像数据，以支持在少样本图像分类中利用纯粹的无监督异常图像数据优化类原型；通过自适应的学习向量量化方法，利用异常图像数据优化每个类原型，包括为每个类原型找到与其最近的异常点，再利用最近的异常点自适应优化类原型；测试查询集中的待分类图像样本得到分类损失，根据分类损失和异常点暴露损失优化特征嵌入网络和自适应参数产生网络，得到更准确的少样本图像分类模型，实现更精确的图像分类。本发明在引入很少的异常图像数据的情况下，保证分类性能可获得提升，为少样本图像分类提供了新的技术方案。