一种基于深度学习的小样本学习方法

本发明提供了一种基于深度学习的小样本学习方法，包括以下步骤：步骤1，初始化神经网络；步骤2，从已有的训练数据中抽取样本图片；步骤3，对样本图片进行数据增广后输入神经网络；步骤4，根据分类任务在神经网络中计算得到损失函数；步骤5，根据损失函数计算反向梯度；步骤6，根据反向梯度更新神经网络的权重，且当未达到停止条件时返回步骤2，并继续进行步骤2‑步骤6；步骤7，将权重导入神经网络，去除神经网络中的分类层并新增新分类器；步骤8，将新类别图片输入神经网络中提取特征，对特征进行裁剪后归一化处理；步骤9，将新类别图片中有标注的图片作为训练图片对新分类器进行训练，训练后对新类别图片中未标注的图片进行分类。