买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州科技大学;江苏新希望科技有限公司

摘要：本发明涉及一种小样本图像分类系统及方法，多分辨率模块，学习不同分辨率图像的特征嵌入，为输入图像生成深度局部描述符学习不同分辨率图像的特征嵌入，每个查询图像和每个支持类的分布都可在深度局部描述符的级别上表示；全局注意力模块，放大跨维度接受区域，捕获全局维度的重要交互特征；自适应融合模块，联合学习得到的权值向量将局部关系和全局关系自适应地融合在一起，采用非参数最近邻分类器作为动态分类器；自蒸馏模块，将深层网络分类器作为教师网络，对共享第二层卷积模块权重的浅层网络进行蒸馏。卷积神经网络中使用多分辨率学习的方法，全局注意力机制融入自蒸馏方法中，解决小样本学习任务中图像空间冗余问题。

主权项：1.一种小样本图像分类系统，其特征在于：包含多分辨率模块1、全局注意力模块2、自适应融合模块3以及自蒸馏模块4；多分辨率模块1，学习不同分辨率图像的特征嵌入，为输入图像生成深度局部描述符学习不同分辨率图像的特征嵌入，每个查询图像和每个支持类的分布都可在深度局部描述符的级别上表示；全局注意力模块2，放大跨维度接受区域，捕获全局维度的重要交互特征；自适应融合模块3，联合学习得到的权值向量将局部关系和全局关系自适应地融合在一起，采用非参数最近邻分类器作为动态分类器；自蒸馏模块4，将深层网络分类器作为教师网络，对共享第二层卷积模块权重的浅层网络进行蒸馏；所述全局注意力模块2，采用CBAM中的顺序通道-空间注意机制，重新设计通道注意子模块与空间注意子模块；在通道注意子模块中采用三维排列的方式保留三维信息，利用一个两层的多层感知器放大跨维的通道-空间依赖关系；在空间注意子模块中采用两个卷积层进行空间信息融合；同时，删除池化以进一步保留特性映射，采用带有通道混洗的组卷积防止参数增加；所述自蒸馏模块4，深度学习网络中绝大多数预测任务使用softmax层给大量标签分配概率分布；根据目标卷积神经网络的原始结构，将原始网络分出一个浅层神经网络作为学生网络，在训练期间深层网络被视为教师网络，将注意力机制融入到自蒸馏学习中，构建一个从深层到浅层的反馈连接，通过共享不同层次的注意力权重，将不同层次网络提取到的注意力特征图送入分类器中，分别得到高维与低维预测的概率分布，然后根据预测的概率分布将深层网络对浅层神经网络进行蒸馏。

全文数据：

权利要求：

百度查询： 苏州科技大学 江苏新希望科技有限公司 小样本图像分类系统及其方法