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;苏州市人民政府办公室;苏州佳图智绘信息技术有限公司

摘要：本发明涉及一种超图神经网络的小样本图像识别方法，利用卷积神经网络中空洞卷积的不同感受野来获取不同结构的多语义特征，构建多语义超图；利用超图神经网络聚合多语义超图中超节点的所有超边信息更新初始超节点特征表示，得到训练集的超节点特征表示；根据训练集的超节点特征表示，得到多语义分布信息，将多语义分布信息与训练集的超节点特征表示进行信息交互，通过相互迭代更新来不断优化多语义超图，得到训练集的目标超节点特征表示，根据训练集的目标超节点特征表示，计算得到训练集中查询集的分类结果。本发明通过超图结构的图像消息传递，捕获丰富的语义嵌入特征和多个语义分布特征，实现了小样本图像分类的识别。

主权项：1.一种超图神经网络的小样本图像识别方法，其特征在于，包括：S101：构建小样本图像识别神经网络；其中，所述小样本图像识别神经网络包括卷积神经网络和超图神经网络；S102：将训练集输入到所述小样本图像识别神经网络中进行训练；其中，所述训练集包括支持集和查询集；S103：利用所述卷积神经网络中空洞卷积的不同感受野，得到所述训练集的多语义特征；S104：根据所述训练集的多语义特征构建超节点，计算每两个超节点之间的语义相似度，根据所述每两个超节点之间的语义相似度构建超边，得到多语义超图，包括：根据所述训练集的多语义特征构建超节点；通过所述多语义特征的关系矩阵Ak＝fUk；Wk，计算每两个超节点之间的多语义特征的相似度其中，Wk为所述多语义特征的可训练参数，为超节点i的多语义特征，为超节点j的多语义特征，σ为激活函数；根据所述每两个超节点之间的语义相似度构建超边，得到多语义超图；S105：利用所述超图神经网络聚合所述多语义超图中超节点的所有超边信息更新所述训练集的初始超节点特征表示，得到所述训练集的超节点特征表示；S106：根据所述训练集的超节点特征表示，得到多语义分布信息，将所述多语义分布信息与所述训练集的超节点特征表示进行信息交互，更新所述多语义超图的超边，得到新的多语义超图，返回执行所述步骤S105，以便迭代更新所述多语义超图直至更新次数到达既定阈值，得到所述训练集的目标超节点特征表示；S107：根据所述训练集的目标超节点特征表示，根据计算所述查询集的超节点特征表示属于所述支持集类别的概率，得到所述查询集的分类结果；其中，yj为所述支持集中第j个样本，AlU,ij为所述目标超节点特征表示的关系矩阵,N表示所述支持集的类别数，K表示所述支持集每个类别的样本数。

全文数据：

权利要求：

百度查询： 苏州科技大学 苏州市人民政府办公室 苏州佳图智绘信息技术有限公司 一种超图神经网络的小样本图像识别方法、装置及设备