基于融合分布图网络的触觉压力足迹分类方法

随着生物特征识别技术的发展,触觉压力足迹分类的研究得到越来越多的应用,而传统的分类方法比较耗费人力。针对触觉压力足迹分类,本研究提出了一种融合分布图网络的触觉压力足迹分类方法。首先通过嵌入模块提取触觉压力足迹图像的卷积特征并采用范数正则化方法得到样本相关性矩阵,再将样本与标签one-hot向量构成融合相关性矩阵,通过自注意模块增加特征信息,经分布模块得到新的特征分布图,构建标记样本和未标记样本间的关联矩阵,最后将触觉压力足迹图像的卷积特征和特征分布图作为更新模块的输入,实现触觉压力足迹分类。实验结果表明,与小样本分类方法相比,本方法在Mini-Imagenet、Tiered-Imagenet数据集上的5-way1-shot实验分类准确率分别达到71.71%和74.34%,同时在触觉压力左右足数据集上的5-way1-shot和5-way5-shot实验分类准确率分别达到88.87%和98.66%。