公开(公告)号：CN116229178B

公开(公告)日：2023-11-24

申请号：CN202310240455.X

申请日：2023-03-14

Applicant: 安徽大学

Inventor： 苏延旭 ,  方文星 ,  孙长银

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开一种基于Transformer针对少量训练样本的图像分类方法，包括：对图像训练集进行预处理，增强样本多样性，得到完整的图像训练集；将图像分割切块，并送入图像编码模块，利用卷积运算将子图像块编码为图像令牌；对表示该图像样本的令牌序列进行位置嵌入；在通道维度上对令牌序列归一化处理；构建Transformer特征提取模块，并对处理好的图像进行特征转换和特征提取，获取表示该图像样本的特征向量；将特征向量输入注意力池化模块得到分类向量；图像分类器输出分类结果并计算分类精度。可解决现有基于Transformer的图像分类方法在小型图像训练集上分类精度不高的问题。

公开(公告)号：CN116229178A

公开(公告)日：2023-06-06

申请号：CN202310240455.X

申请日：2023-03-14

Applicant: 安徽大学

Inventor： 苏延旭 ,  方文星 ,  孙长银

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开一种基于Transformer针对少量训练样本的图像分类方法，包括：对图像训练集进行预处理，增强样本多样性，得到完整的图像训练集；将图像分割切块，并送入图像编码模块，利用卷积运算将子图像块编码为图像令牌；对表示该图像样本的令牌序列进行位置嵌入；在通道维度上对令牌序列归一化处理；构建Transformer特征提取模块，并对处理好的图像进行特征转换和特征提取，获取表示该图像样本的特征向量；将特征向量输入注意力池化模块得到分类向量；图像分类器输出分类结果并计算分类精度。可解决现有基于Transformer的图像分类方法在小型图像训练集上分类精度不高的问题。