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：南京邮电大学
摘要：本发明属于自监督学习视觉表征领域，公开了一种基于全局和局部特征的多网络对比学习方法，采集图像数据，将训练集中的每张图像通过同一系列的数据增强得到三张扰动视图；将它们分别输入到三条不同的网络中提取特征表示；将在线网络的输出与另外两条网络的输出分别计算对比损失并合并为总损失；通过最小化总损失对在线网络进行梯度更新；使用训练后的网络对不同数据集进行图像分类，并采用分类准确度评价所提方法的性能。本发明在自监督对比学习中引入了全局和局部特征信息，提高了图像分类的准确度，增强了深度神经网络的泛化性能，同时扩大了用于对比的样本数量，提高了所提模型的训练效率。
主权项：1.一种基于全局和局部特征的多网络对比学习方法，其特征在于，包括以下步骤：步骤1、采集图像数据，划分训练集和测试集，将训练集中的每张图像通过同一系列的数据增强得到三张扰动视图；步骤2、将任意一张扰动视图输入到在线网络中，用于提取图像的锚点特征表示；步骤3、将第二张扰动视图输入到邻近样本网络中，用于提取图像的全局特征表示，同时邻近样本网络构建一个支持集用于将网络输出的特征表示替换为一个邻近特征表示；步骤4、将最后一张扰动视图按指定规则分割后，再输入到分割样本网络中，用于提取图像的局部特征表示，同时分割样本网络会将编码器提取到的若干特征表示按指定规则进行组合；步骤5、将在线网络的输出与另外两条网络的输出分别计算对比损失，并合并为总损失；步骤6、通过最小化总损失值对在线网络的参数进行梯度更新，另外两条网络的参数不进行梯度更新；步骤7、使用训练后的网络对不同数据集进行图像分类，并计算top1和top5分类准确度对所提方法的性能进行评价。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种基于全局和局部特征的多网络对比学习方法
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