-
公开(公告)号:CN116452876A
公开(公告)日:2023-07-18
申请号:CN202310421865.4
申请日:2023-04-19
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及一种弱监督多标签分布外样本分类检测方法,在训练阶段,首先假设所有未知标签为负标签,引入噪声标签,然后对图像进行混合数据增强预处理,再基于噪声标签损失效应去识别噪声标签引起大损失值,并对其进行调整以进行模型训练,同时与标签稀疏性相结合,使得方法能够自适应识别不同训练阶段的噪声标签损失值;在检测阶段,赋予分布内样本与分布外样本全负标签,通过结合噪声标签效应与标签稀疏性,识别出具有噪声标签的分布内样本,从而实现分布外样本的检测。
-
公开(公告)号:CN116721279A
公开(公告)日:2023-09-08
申请号:CN202310539501.6
申请日:2023-05-15
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于标签嵌入的多标签少样本图像分类方法,该方法通过类似化学过程中的精馏操作,针对多标签少样本类视觉特征到标签的映射问题进行处理。该方法使用原型生成模块来根据词嵌入生成类语义原型,并将其投影到视觉‑语义联合特征空间中。在联合特征空间中,通过特征精馏模块中的自注意力机制和梯度回流机制,完成视觉‑语义聚合特征精馏,并对词嵌入提供的标签关系进行建模,优化生成的语义原型的判别性和对视觉特征的引导能力,从而有效利用标签嵌入作为多标签少样本图像分类任务中的信息补充。通过试验表明,该方法具有良好的分类性能和对于不可见类的泛化能力,能够处理多标签少样本图像分类任务中的类特征与标签之间的映射和多标签关系建模两大难题。
-