-
公开(公告)号：CN117237720B
公开(公告)日：2024-04-12
申请号：CN202311201932.8
申请日：2023-09-18
Applicant: 大连理工大学 , 山东纬横数据科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/092 , G06N3/048 , G06N3/045 , G06N3/08 , G06F17/11
Abstract: 本发明属于图像信息处理技术领域，公开一种基于强化学习的标签噪声矫正图像分类方法。基于强化学习的标签噪声矫正图像分类方法，通过含有噪声标签的数据集和一个干净数据集训练分类网络，利用强化学习算法得到噪声转移矩阵；本发明利用强化学习的思想，通过策略网络和分类网络进行交互，并从小型干净的数据集上获得奖励，从而得到最优的噪声转移矩阵。根据预测的噪声转移矩阵，通过损失矫正的方法来改善网络在含有标签噪声数据集上训练的分类性能。本发明的方法能够提高网络的分类准确率。
-
公开(公告)号：CN117237720A
公开(公告)日：2023-12-15
申请号：CN202311201932.8
申请日：2023-09-18
Applicant: 大连理工大学 , 山东纬横数据科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/092 , G06N3/048 , G06N3/045 , G06N3/08 , G06F17/11
Abstract: 本发明属于图像信息处理技术领域，公开一种基于强化学习的标签噪声矫正图像分类方法。基于强化学习的标签噪声矫正图像分类方法，通过含有噪声标签的数据集和一个干净数据集训练分类网络，利用强化学习算法得到噪声转移矩阵；本发明利用强化学习的思想，通过策略网络和分类网络进行交互，并从小型干净的数据集上获得奖励，从而得到最优的噪声转移矩阵。根据预测的噪声转移矩阵，通过损失矫正的方法来改善网络在含有标签噪声数据集上训练的分类性能。本发明的方法能够提高网络的分类准确率。
-
公开(公告)号：CN115272881B
公开(公告)日：2023-03-21
申请号：CN202210920420.6
申请日：2022-08-02
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明属于图像信息处理技术领域，提供了一种动态关系蒸馏的长尾遥感图像目标识别方法。使用两个教师网络和一个学生网络来实现，三个网络结构相同。两个教师模型分别学习头部类和尾部类的各自的特征分布，以避免因为数据集分布不平衡导致的网络学习的倾斜问题，学生网络则通过学习两个教师网络的分类能力，从而在整个数据集上有较好的性能，提高分类的准确度。本发明的动态关系蒸馏学习方法，利用蒸馏思想，将教师网络更好的特征表达能力通过中心特征蒸馏给学生，同时学生网络动态更新中心特征，以学习到更好的特征提取能力。本发明利用长尾数据的特点，来改善因长尾问题导致的图像分类能力倾向于头部类的问题，能够提高网络分类的准确度。
-
公开(公告)号：CN115272881A
公开(公告)日：2022-11-01
申请号：CN202210920420.6
申请日：2022-08-02
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明属于图像信息处理技术领域，提供了一种动态关系蒸馏的长尾遥感图像目标识别方法。使用两个教师网络和一个学生网络来实现，三个网络结构相同。两个教师模型分别学习头部类和尾部类的各自的特征分布，以避免因为数据集分布不平衡导致的网络学习的倾斜问题，学生网络则通过学习两个教师网络的分类能力，从而在整个数据集上有较好的性能，提高分类的准确度。本发明的动态关系蒸馏学习方法，利用蒸馏思想，将教师网络更好的特征表达能力通过中心特征蒸馏给学生，同时学生网络动态更新中心特征，以学习到更好的特征提取能力。本发明利用长尾数据的特点，来改善因长尾问题导致的图像分类能力倾向于头部类的问题，能够提高网络分类的准确度。
-
-
-
Search Results
4
records
(took 0.023 seconds)
