基于一致性校准匹配的少样本图像持续分类方法和系统

本发明公开了一种基于一致性校准匹配的少样本图像持续分类方法和系统，包括：使用基本数据集训练特征提取器；提取基本数据集的属性语义知识训练模式补全网络；根据基础类别的真实原型构建投影的目标结构，结合投影向量对投影器进行训练；提取增量数据集的属性语义知识，使用模式补全网络对增量新类原型进行补全和一致性校准；然后根据各基础类别的真实原型和新类别校准后的原型，更新投影的目标结构；再根据投影目标结构和投影向量，对投影器参数微调；最终针对待测试图像样本，使用特征提取器和投影器进行特征提取和投影，再根据目标结构和投影向量进行分类。本发明能够迅速适应新类别的图像分类且维持旧类别的图像分类性能。