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：重庆理工大学
摘要：本发明公开了一种针对多模态图像的无标签CNN分类性能评估方法，包括以下步骤：S1、获取训练好的卷积神经网络模型，并获取无标签验证数据集；S2、将步骤S1中获取的无标签验证数据集输入训练好的卷积神经网络模型中通过引入伪标签，计算卷积层的激活熵；S3、采用归一化法对步骤S2中计算的卷积层的激活熵进行归一化，得到归一化的卷积层的激活熵；S4、利用步骤S3中归一化的卷积层的激活熵对无标签的卷积神经网络模型性能进行评估；该方法不仅能够评估卷积神经网络的模型整体的分类性能，还能够针对每个特征层计算激活熵的值，保证在其他条件不变的情况下，代替有标签评估方法，实现无标签地评估CNN模型的性能和衡量其过拟合程度，同时减少计算成本。
主权项：1.一种针对多模态图像的无标签CNN分类性能评估方法，其特征在于，包括以下步骤：S1、获取训练好的卷积神经网络模型，并获取无标签验证数据集；S2、将步骤S1中获取的无标签验证数据集输入训练好的卷积神经网络模型中通过引入伪标签，计算卷积层的激活熵；S3、采用归一化法对步骤S2中计算的卷积层的激活熵进行归一化，得到归一化的卷积层的激活熵；其中，归一化的卷积层的激活熵的计算公式为： 其中，表示归一化的第l卷积层的激活熵，AEl表示第l卷积层的激活熵，AEmax表示激活熵的最大值；S4、利用步骤S3中得到的归一化的卷积层的激活熵对无标签的卷积神经网络模型性能进行评估。
全文数据：
权利要求：
百度查询： 重庆理工大学 一种针对多模态图像的无标签CNN分类性能评估方法
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