申请/专利权人：浙江工业大学

申请日：2024-01-19

公开（公告）日：2024-04-30

公开（公告）号：CN117953282A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：一种基于检索增强机制与视觉提示学习的小样本视觉分类方法和装置，包括：步骤1、获取多任务跨域小样本数据集并划分为训练集、验证集和测试集；步骤2、在CLIP模型的视觉编码器和文本编码器两端添加可学习提示参数以进行提示学习；步骤3、在小样本数据集上构建由键值对构成的检索数据库；步骤4、将图片输入视觉编码器得到查询表征，获取带有下游数据集先验的视觉提示；步骤5、将图像和类别文本输入带提示的视觉编码器和文本编码器，计算图文表征计算内积相似度，得到图像的多类别概率；步骤6、复制检索库的键和标签值作为辅助分类器，获得测试图像与训练图像检索的多类别概率，与图像的多类别概率加权求和得到最终多类别概率并计算交叉熵损失。

主权项：1.基于检索增强机制与视觉提示学习的小样本视觉分类方法，其特征在于：步骤1：获取多任务跨域的小样本数据集，单任务的原生数据集划分为训练集，验证集和测试集，从单任务数据集的训练集中随机采样得到小样本分类训练集，训练集Dtrain包含N个类别，包含原生训练集的所有类别，每类可以有1，2，4，8，16-shot的训练样本，验证集Dval的类别分布和训练集一致，但每类有4个训练样本，Dtest则是原生测试集；步骤2：在CLIP模型的视觉编码器和文本编码器两端添加可学习的提示参数以进行提示学习，文本编码器和视觉编码器的提示学习参数不共享；步骤3：在小样本训练集上构建检索数据库，包含|Dtrain|个键值对，键是使用CLIP的视觉编码器编码训练图像得到的图像表征值包含两种类型，标签y和可变的训练图像表征检索数据库提供适应下游任务变化的训练图像表征，并可以通过外部数据扩展检索库以提升检索丰富度；步骤4：图片经CLIP的视觉编码器编码获得查询表征，在查询表征和键表征间执行余弦相似度检索获取相关值，采用检索增强的视觉提示学习，获取带有下游数据集先验的视觉提示；步骤5：冻结视觉编码器和文本编码器参数，将图像和类别文本输入带提示的视觉编码器和文本编码器，计算图文表征计算内积相似度后得到图像x的多类别概率；步骤6：将检索库初始化为辅助分类器参与分类决策，复制检索库的键表征作为全连接层的初始化权重和对标签值进行独热编码，在训练时更新全连接层权重，将独热编码一致的训练图像表征与测试图像的相似度累加，获得测试图像与训练图像间检索的多类别概率，并与步骤5的多类别概率做加权求和得到最终多类别概率。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于检索增强机制与视觉提示学习的小样本视觉分类方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD