公开(公告)号：CN117274726A

公开(公告)日：2023-12-22

申请号：CN202311570268.4

申请日：2023-11-23

Applicant: 南京信息工程大学

Inventor： 汤龙 ,  刘业磊

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/74 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0895

Abstract: 本发明公开了一种基于多视角补标签的图片分类方法与系统。所述方法包括：提取训练图片的多视角视觉特征；将提取的特征送入多视角补标签学习模型中，利用交替方向乘子法求解每个视角所对应的转换矩阵；利用得到的转换矩阵对待识别的图像进行分类。本发明通过约束训练样本与补标签向量集相似度及其与非补标签向量集相似度的数量关系构建损失函数；利用不同视角视觉特征之间的信息共享实现它们的一致性和互补性；利用样本的非补标签集构建一种样本标签的半监督学习策略，实现对模型信息的充分挖掘，提高图像分类准确度。

公开(公告)号：CN119580015A

公开(公告)日：2025-03-07

申请号：CN202510115326.7

申请日：2025-01-24

Applicant: 南京信息工程大学

Inventor： 罗月梅 ,  袁陈奥 ,  刘业磊

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/774 ,  G06V40/18 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于自监督学习的OCT图像的分类方法，包括以下步骤：（1）对原始图像进行多种随机数据增强；（2）使用神经网络和注意力机制作为编码器，将增强后的图像映射到潜在表示空间；（3）引入一个扩展器作为辅助工具，通过减少计算损失来调整编码器；（4）在训练完成后，将编码器提取的特征对OCT图像进行分类；本发明提升模型的性能，从而实现对图像的更精准的识别。

公开(公告)号：CN117274726B

公开(公告)日：2024-02-23

申请号：CN202311570268.4

申请日：2023-11-23

Applicant: 南京信息工程大学

Inventor： 汤龙 ,  刘业磊

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/74 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0895

Abstract: 本发明公开了一种基于多视角补标签的图片分类方法与系统。所述方法包括：提取训练图片的多视角视觉特征；将提取的特征送入多视角补标签学习模型中，利用交替方向乘子法求解每个视角所对应的转换矩阵；利用得到的转换矩阵对待识别的图像进行分类。本发明通过约束训练样本与补标签向量集相似度及其与非补标签向量集相似度的数量关系构建损失函数；利用不同视角视觉特征之间的信息共享实现它们的一致性和互补性；利用样本的非补标签集构建一种样(56)对比文件Haoran Jiang等.ComCo: Complementarysupervised contrastive learning forcomplementary label learning《.NeuralNetworks》.2023,第169卷第44-56页.