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：广州广电运通信息科技有限公司
摘要：本申请公开了一种图像聚类模型的训练方法及装置，属于机器学习领域。该方法包括：在图像聚类模型的预训练阶段，将原始图像对应的噪声图像和干净图像分别输入至第一编码器和第二编码器，获得第一解码器输出的还原图像，构建去噪重构误差损失函数和对比损失函数，更新图像聚类模型的模型参数；在图像聚类模型的聚类训练阶段的聚类阶段，将图像数据集进行数据增强得到的第一样本图像和第二样本图像分别输入至预训练阶段训练结束后的图像聚类模型，确定高置信样本集；在聚类训练阶段的微调阶段，将高置信样本集进行数据增强得到的第三样本图像和第四样本图像分别输入至图像聚类模型，构建实例‑原型级对比损失函数，得到训练完成的图像聚类模型。
主权项：1.一种图像聚类模型的训练方法，其特征在于，图像聚类模型包括第一编码器、第二编码器和第一解码器，所述第一编码器与所述第一解码器相连，所述方法包括：在所述图像聚类模型的预训练阶段，将原始图像对应的噪声图像和干净图像分别输入至所述第一编码器和所述第二编码器，获得所述第一解码器输出的还原图像；基于所述噪声图像、所述干净图像和所述还原图像，构建去噪重构误差损失函数和对比损失函数，更新所述图像聚类模型的模型参数；在所述图像聚类模型的聚类训练阶段的聚类阶段，将图像数据集进行数据增强得到的第一样本图像和第二样本图像分别输入至所述预训练阶段训练结束后的所述图像聚类模型，获得所述图像聚类模型输出的第一图像特征和第二图像特征，并基于所述第一图像特征和所述第二图像特征，确定高置信样本集；在所述聚类训练阶段的微调阶段，将所述高置信样本集进行数据增强得到的第三样本图像和第四样本图像分别输入至所述图像聚类模型，获得所述图像聚类模型输出的第三图像特征和第四图像特征；基于所述第三图像特征和所述第四图像特征，构建实例-原型级对比损失函数，更新所述图像聚类模型的模型参数，得到训练完成的所述图像聚类模型。
全文数据：
权利要求：
百度查询： 广州广电运通信息科技有限公司 图像聚类模型的训练方法及装置
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