公开(公告)号：CN112115995B

公开(公告)日：2023-04-07

申请号：CN202010954339.0

申请日：2020-09-11

Applicant: 北京邮电大学

Inventor： 李炜 ,  秦世祥 ,  张乐剑 ,  王玉龙 ,  赵海秀 ,  王晶

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82

Abstract: 一种基于半监督学习的图像多标签分类方法，包括：从训练数据集中分别提取有标签数据和无标签数据的训练图片，并构成有标签数据集、无标签数据集，然后为每张训练图片标注标签向量；构建图像多标签分类网络，将有标签数据集和无标签数据集中的所有训练图片作为训练样本输入进行半监督训练，其输入是有标签数据集和无标签数据集的训练图片及标签向量，输出是训练图片对应各标签的预测概率；为待分类图片标注标签向量，然后将待分类图片及标签向量输入图像多标签分类网络，并根据输出确定待分类图片的多个标签。本发明属于信息技术领域，能基于无标签和有标签数据组成的混合数据集实现图像多标签分类，充分利用标签有效信息，有效提高网络分类性能。

公开(公告)号：CN112115995A

公开(公告)日：2020-12-22

申请号：CN202010954339.0

申请日：2020-09-11

Applicant: 北京邮电大学

Inventor： 李炜 ,  秦世祥 ,  张乐剑 ,  王玉龙 ,  赵海秀 ,  王晶

IPC: G06K9/62

Abstract: 一种基于半监督学习的图像多标签分类方法，包括：从训练数据集中分别提取有标签数据和无标签数据的训练图片，并构成有标签数据集、无标签数据集，然后为每张训练图片标注标签向量；构建图像多标签分类网络，将有标签数据集和无标签数据集中的所有训练图片作为训练样本输入进行半监督训练，其输入是有标签数据集和无标签数据集的训练图片及标签向量，输出是训练图片对应各标签的预测概率；为待分类图片标注标签向量，然后将待分类图片及标签向量输入图像多标签分类网络，并根据输出确定待分类图片的多个标签。本发明属于信息技术领域，能基于无标签和有标签数据组成的混合数据集实现图像多标签分类，充分利用标签有效信息，有效提高网络分类性能。