公开(公告)号：CN118196548B

公开(公告)日：2024-08-23

申请号：CN202410034242.6

申请日：2024-01-10

Applicant: 南开大学 ,  中国科学院自动化研究所

Inventor： 曲宇勋 ,  唐永强 ,  张晨阳 ,  蔡祥睿 ,  张文生

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/0464

Abstract: 本发明涉及图像识别技术领域，尤其涉及基于双重空间对比学习的开放世界半监督图像分类方法，包括如下步骤：初始化网络模型；构建特征图及预测图；进行双重空间对比迭代学习训练，计算监督损失、特征空间自监督对比损失、预测空间自监督对比损失、特征空间与预测空间之间的空间引导对比损失及总体损失，根据总体损失对网络模型进行梯度反向传播及网络模型参数更新；重复迭代得到训练好的网络模型；对无标签数据集中的每一个无标签样本进行推理，得出每一个无标签样本预测的标记结果。本发明提供的方法提升了网络模型对于无标签数据的表征能力，从而提升对于无标签数据的标记准确率。

公开(公告)号：CN118196548A

公开(公告)日：2024-06-14

申请号：CN202410034242.6

申请日：2024-01-10

Applicant: 南开大学 ,  中国科学院自动化研究所

Inventor： 曲宇勋 ,  唐永强 ,  张晨阳 ,  蔡祥睿 ,  张文生

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/0464

Abstract: 本发明涉及图像识别技术领域，尤其涉及基于双重空间对比学习的开放世界半监督图像分类方法，包括如下步骤：初始化网络模型；构建特征图及预测图；进行双重空间对比迭代学习训练，计算监督损失、特征空间自监督对比损失、预测空间自监督对比损失、特征空间与预测空间之间的空间引导对比损失及总体损失，根据总体损失对网络模型进行梯度反向传播及网络模型参数更新；重复迭代得到训练好的网络模型；对无标签数据集中的每一个无标签样本进行推理，得出每一个无标签样本预测的标记结果。本发明提供的方法提升了网络模型对于无标签数据的表征能力，从而提升对于无标签数据的标记准确率。