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！
摘要：本发明公开一种对比自监督增强学习方法和系统，包括：步骤一：将训练样本进行数据增强，得到变换增强样本和旋转增强样本；步骤二：将变换增强样本和旋转增强样本输入到对比自监督增强学习模型中；步骤三：计算变换损失、旋转损失和置信度损失；步骤四：基于变换损失、旋转损失和置信度损失计算总损失，通过最小化总损失来优化对比自监督增强学习模型参数，得到最优对比自监督增强学习模型；步骤五：将目标样本输入最优对比自监督增强学习模型，得到图像分类结果。本发明通过多任务学习、通用功能增强器、投影距离度量单元和可调整损失函数解决了无监督少样本图像分类问题。
主权项：1.一种对比自监督增强学习方法，其特征在于，包括：步骤一：将训练样本进行数据增强，得到变换增强样本和旋转增强样本；步骤二：将变换增强样本和旋转增强样本输入到对比自监督增强学习模型中，得到变换特征向量、旋转特征向量、变换特征向量的置信度和旋转特征向量的置信度；步骤三：根据变换特征向量的置信度得到变换增强样本的预测类别，根据变换特征向量计算变换增强样本的预测类别和真实类别之间的变换损失；根据旋转特征向量的置信度得到旋转增强样本的预测旋转角度，根据旋转特征向量计算旋转增强样本的预测旋转角度和真实旋转角度之间的旋转损失；基于不同数据增强类型的正样本计算置信度损失；步骤四：基于变换损失、旋转损失和置信度损失计算总损失，通过最小化总损失来优化对比自监督增强学习模型参数，得到最优对比自监督增强学习模型；步骤五：将目标样本输入最优对比自监督增强学习模型，得到图像分类结果。
全文数据：
权利要求：
百度查询： 河南大学 一种对比自监督增强学习方法和系统
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