小样本图像分类方法、终端设备及存储介质

本发明公开了一种小样本图像分类方法、终端设备及存储介质，在不访问源域的情况下有效解决CDFSL。该方法不是直接利用源数据，而是利用源域的预训练模型和有限数量的监督目标数据来探索目标任务微调阶段的适应策略。本发明为SFCDFSL引入了转导知识适应框架，包括信息最大化和邻域对对比学习。IM被提出将目标域样本映射为个体确定性和整体多样性预测，有效地弥合源模型和目标样本之间的域差距。而NPC则提出通过结合样本特征和正/负集之间的对比约束来提高目标域上的少样本分类性能。在BSCD‑FSL基准上进行的实验评估证明了本发明提出的方法相对于依赖源域访问的现有方法的优越性。