-
公开(公告)号：CN117152526A
公开(公告)日：2023-12-01
申请号：CN202311150241.X
申请日：2023-09-07
Applicant: 东南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种面向单正多标记的标记增强方法及系统，首先在数据预处理阶段，输入多标签图像分类数据集，所述数据集被正标记分为训练集和测试集，对训练集数据进行预处理；再利用类别先验估计方法估计每个标记的类别先验概率，给样本打上伪标签得到标记分布；再构建神经网络模型，利用训练集训练模型得到最优参数，根据最小化目标函数得到最优的预测模型；最后根据获得的最优预测模型给测试集分类，得到目标标记分类结果。本方法通过利用估计的类别先验概率来生成伪标记，解决了传统方法中标记不完整性和噪声问题，提高了训练数据集的标记质量和数量。该方法在实际应用中具有广泛的应用前景，可以提高模型的性能和泛化能力。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
