最大化互信息约束的R-NLN高频工件图像分类模型

高频元件精密加工工件需要定制，难以获取足量的图像样本以训练传统的CNN模型来完成自动化分类。提出基于元学习训练策略的关联非局部网络高频工件分类模型。在经典CNN模型的基础上引入NLN模块，通过关联样本的全局和局部特征提取自适应的任务特征；通过最大化互信息约束优化模型，提高模型的鲁棒性。实验结果表明：与多种主流的小样本分类模型相比，所提模型对miniImageNet和高频工件数据集分类的准确率有显著提高。