摘要
本发明针对小样本任务提出了一种创新性方法，集成了多尺度特征关系的度量学习、特征金字塔机制与多尺度特征关系度量网络，以增强分类性能。具体地，该方法通过提取具有高度区分性的特征并学习样本间的多尺度关系得分，利用“转换模块”在所构建的模型中融合不同尺度的特征，有效对接高层次抽象语义与低层次详细视觉特征，确保全局上下文与局部细节的均衡考虑。此外，设计的多尺度特征关系度量网络利用这些多尺度特征计算样本间精细关系得分，指导查询集目标的类别划分，从而在小样本条件下显著提升分类精度与泛化能力，为计算机视觉及模式识别领域的挑战提供了综合优化的解决方案。
