摘要
本发明提出了一种基于卷积高斯过程的可信少样本图像分类方法，属于图像识别技术领域，包括：构建用于少样本图像分类的神经网络模型；构建模型训练过程中每次迭代使用的支持集和查询集；计算支持集图像和查询集图像的局部特征；将局部特征输入到注意力机制模块中，计算出各自的权重向量，将核函数与权重向量相结合，得到具有语义指导能力的核函数；将局部特征输入到使用语义指导核函数的卷积高斯过程模块中，计算出支持图像和查询图像的相似度以及预测结果的可信度；将卷积高斯过程的预测结果输入到具有不确定性感知能力的分类器中，得到可信的分类预测结果；本发明实现了能够充分考虑预测结果不确定性的高可信图像分类。
