基于对比学习的小样本分类方法及系统

专利主权项内容

1.基于对比学习的小样本分类方法，其特征在于，所述方法包括：步骤S1：构建特征提取网络模型；所述特征提取网络模型包括两个标准卷积模块、两个残差模块、两个分离注意力模块和一个全局平均池化层模块；所述两个标准卷积模块分别为第一标准卷积模块和第二标准卷积模块，所述两个残差模块分别为第一残差模块和第二残差模块，所述两个分离注意力模块分别为第一分离注意力模块和第二分离注意力模块；步骤S2：将基础数据集划分为三元样本对，将所述三元样本对输入到所述特征提取网络模型，提取正样本特征向量，负样本特征向量，锚点样本特征向量；所述三元样本对包括正样本、锚点样本和负样本；步骤S3：计算所述锚点样本特征向量与所述正样本特征向量的余弦相似度，得到正锚相似度；计算所述锚点样本特征向量与所述负样本特征向量的余弦相似度，得到负锚相似度；步骤S4：将所述正锚相似度和所述负锚相似度进行拼接，得到整体相似度，计算所述整体相似度与标签的损失，判断所述损失是否小于或等于第一阈值；如果所述损失大于所述第一阈值，则返回“步骤S2”；如果所述损失小于或等于所述第一阈值，则执行“步骤S5”；步骤S5：计算支持集损失，并更新线性分类器参数。