龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：杭州电子科技大学
摘要：本发明公开了基于半监督学习进行图像标注方法，针对不同类别的样本设计不同的分类器，利用已经标注好的部分样本来训练分类器，并且对不同分类器的结果进行投票，选择出准确率最高的类别，从而对未知样本进行标注。并且为了降低错误分类带来的影响，将分类器得到的每一个类别中的样本与标注的相应类别中的样本进行随机线性混合操作，使得错误分类的结果中也含有对应类别的特征，为半监督学习用于深度学习以及机器学习领域提供了新的思路。
主权项：1.一种基于半监督学习进行图像标注方法，其特征在于，包括以下步骤：S10，增加背景类：目标为分为A类和B类，先引入由非A或B类的其他类别随机抽样构成的背景类；S20，构建交叉网络分类模型：对M个分类的图片数据进行标注，每两个类之间都要利用深度学习网络训练一个模型，所以一共有M*M-1个模型，在不同顺序A、B类训练时选择不同的网络，将已标注数据通过M*M-1个模型进行训练，某一类的M-1个独立分类模型记做一个类学习器，共有M个类学习器；S30，构成子投票器：将未标注数据通过M个类学习器对类别进行预测，将包含某一类的所有结果构成一个子投票器，根据类别数量，一共有M个子投票器，这M个子投票器构成一个投票器，每个子投票器里包含2M-2组不同的预测结果，其中每一组都包含对某一确定类的预测，当出现类Avs类B和类Bvs类A重叠情况时，两者训练的网络不同，预测亦不同；S40，根据互斥投票器投票：M个子投票器中的每个子投票器对同一张图片产生2M-2个预测概率，设置一系列规则和阈值，只要子投票器产生的投票结果超过阈值，即认为样本属于这个集合对应的类别，投票结果只有一个预测类别的图片保留下来，并打上预测标注；S50，基于随机线性混合对错误标签进行修正：新标注的样本与原始同标签样本随机比例混合，抑制错误标注的样本对网络训练带来的干扰。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于半监督学习进行图像标注方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号