-
公开(公告)号：CN117953308A
公开(公告)日：2024-04-30
申请号：CN202410222210.9
申请日：2024-02-28
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了基于歪斜相似度和无标记样本的融合弱监督图像分类方法，属于弱监督图像处理领域，包括构建包含具有歪斜相似置信度的样本对和无标记样本点的数据集；根据数据集的大小和复杂程度搭建分类神经网络模型，初始化分类神经网络模型的权重参数和偏置参数；设计歪斜相似置信度参数化模型，并设计经验风险损失函数作为分类神经网络模型的训练标准；选择基于梯度的优化算法最小化经验风险损失函数；训练分类神经网络模型，得到分类神经网络模型的最优解；获取训练好的分类神经网络模型，对待标注图像进行分类。本发明克服了标注不准确性、信息资源利用效率低以及成本限制等问题，能够应对复杂的数据形式、解决现实世界中多样化的图像分类任务。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
