[发明专利]一种基于半监督自步学习跨任务深度网络的图像分类方法在审
| 申请号： | 201810346336.1 | 申请日： | 2018-04-18 |
| 公开（公告）号： | CN108764281A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 纪秋佳;吴斯;余志文 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/66;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于半监督自步学习跨任务深度网络的图像分类方法，包括以下步骤：S1、从图像整体数据集中随机选取少量标注样本，保留其标签，剩下所有样本作为未标注样本，在整个流程中不知道其真实标签，标注样本的权重在训练过程中恒为1，未标注样本权重初始化为0，初始时只使用标注样本作为训练集；S2、使用训练集训练跨任务深度网络；S3、根据训练好的跨任务深度网络，预测所有未标注样本的伪标签，并赋予每个未标注样本相应权重；S4、根据自步学习范式，选取高置信度的未标注样本，添加到训练集中；S5、重复步骤S2‑S4，直到跨任务深度网络性能饱和或者达到预设循环次数。所述方法不需要输入人为设计的特征，直接输入原始图像即可实现分类。 | ||
| 搜索关键词： | 样本 标注 图像分类 半监督 训练集 权重 网络 标签 高置信度 人为设计 数据集中 随机选取 图像整体 网络性能 训练过程 原始图像 真实标签 初始化 学习 预设 饱和 分类 保留 预测 重复 赋予 | ||
【主权项】：
1.一种基于半监督自步学习跨任务深度网络的图像分类方法，其特征在于，所述方法包括以下步骤：S1、从图像整体数据集中随机选取少量的标注样本，保留其标签，剩下的所有样本作为未标注样本，在整个流程中不知道其真实标签，标注样本的权重在训练过程中恒为1，未标注样本的权重初始化为0，初始时只使用标注样本作为训练集；S2、使用训练集训练跨任务深度网络；S3、根据训练好的跨任务深度网络，预测所有未标注样本的伪标签，并赋予每个未标注样本相应的权重；S4、根据自步学习范式，选取高置信度的未标注样本，添加到训练集中；S5、重复步骤S2‑S4，直到跨任务深度网络性能饱和或者达到预设循环次数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810346336.1/，转载请声明来源钻瓜专利网。
