一种基于自适应张量子空间的小样本宫颈细胞分类方法

专利主权项内容

1.一种基于自适应张量子空间的小样本宫颈细胞分类方法，其特征在于，包括以下步骤：步骤1：将小样本宫颈细胞图像数据集划分为元训练集和元测试集；步骤2：搭建特征提取器；步骤3：利用元训练集样本，对特征提取器进行预训练；步骤4：基于元训练集和元测试集分别构建-way -shot小样本分类任务，每个小样本任务对应一个支持集和一个查询集，其中表示一个小样本任务中样本总的类别数，表示每个类别包含的支持集样本个数；<<<<步骤5：基于元训练集上的小样本任务，利用步骤3预训练后的特征提取器提取小样本任务中支持集样本的嵌入特征；步骤6：基于元训练集中支持集样本的嵌入特征，计算每类样本的加权原型<步骤7：基于转导学习算法，使用查询集样本扩充支持集，修正原型，得到新的加权原型<步骤8：利用扩充后的支持集样本的嵌入特征和加权原型构造归一化后的嵌入特征集合，采用多线性主成分分析算法生成每类的低维自适应张量子空间；步骤9：计算元训练集中查询样本到各自适应张量子空间的距离，根据距离将查询样本分类，计算损失，根据损失的梯度更新特征提取器，训练完成后，保存特征提取器；步骤10：利用训练完成的特征提取器对待分类的宫颈细胞图像进行分类。