“半监督”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果320412个，建议您升级VIP下载更多相关专利

[发明专利]标注样本缺失下的植物叶部病害视觉识别方法-CN202211633607.4在审
发明人：翁士状;张盛羽;陶文韬;吴叶杭;苌浩宇;朱金辰;张明健;刘玉龙;郑玲;黄林生;赵晋陵 -专利权人：安徽大学
申请日： 2022-12-19 - 公布日： 2023-04-07 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种标注样本缺失下的植物叶部病害视觉识别方法，包括：获取原始的植物叶部病害数据集，进行数据标注；进行数据增强处理；基于生成对抗网络GAN和分类器，构建双策略半监督学习模型GANC‑DGAN；利用增强后的植物叶部病害数据集对双策略半监督学习模型GANC‑DGAN进行训练，使用训练好的双策略半监督学习模型GANC‑D本发明的实际应用价值高，通过构建双策略半监督学习模型GANC‑DGAN，针对标注图像缺少、训练样本少的问题，提高了识别效率，为农作物病害识别提供了理论指导与技术支撑
标注样本缺失植物病害视觉识别方法

[发明专利]基于语义引导的多层结构的半监督节点分类方法-CN202211569271.X在审
发明人：钱有程 -专利权人：南京审计大学
申请日： 2022-12-08 - 公布日： 2023-04-07 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种基于语义引导的多层结构的半监督节点分类方法，属于半监督节点分类技术领域。该方法包括：建立具有语义引导的局部层次的图结构和具有节点长范围依赖关系的全局层次的结构模型。利用图卷积网络进行多层聚合学习节点的局部嵌入；在全局层次的结构学习中，基于轻量级的变换器编码器网络学习节点对之间的长范围依赖关系，获得节点的综合表示；基于最终节点表示进行分类得到每个节点的分类标签，作为半监督节点分类的结果本发明中基于语义引导的分层结构的半监督节点分类方法能够在基准数据集上兼顾分类的性能和复杂度的简约。
基于语义引导多层结构监督节点分类方法

[发明专利]基于RD图的多分类器半监督自训练的雷达干扰检测方法-CN202211320055.1在审
发明人：罗忠涛;张安安;王涛;曹健 -专利权人：重庆邮电大学
申请日： 2022-10-26 - 公布日： 2023-02-24 - 主分类号： G06V10/764 文献下载
摘要：本发明请求保护一种基于距离‑多普勒(Range‑Doppler，RD)图的多分类器半监督自训练的雷达干扰检测方法，属于雷达信号处理与图像处理交叉领域。针对天波超视距雷达的射频干扰和瞬态干扰、将干扰检测问题转化为RD图的图像分类问题：建设RD图库、设计RD图像分类器、并提出多分类器融合的半监督自训练的干扰监测方法。基于不同分类算法设计基本分类器，提出基于不同特征视图和学习方法的子分类器组合，给出了多分类器半监督自训练的干扰监测算法。实测图库验证表明，多分类器半监督自训练方法能够有效提高RD图像识别率，将弱干扰检测准确率由低于65％提升至80％以上。
基于 rd 分类监督训练雷达干扰检测方法

[发明专利]一种基于半监督学习的钢板表面缺陷检测方法及系统-CN202310869580.7在审
发明人：陈树宗;蒋圣泉;孙朴;付天添;华长春;孙杰;李旭;丁伟利 -专利权人：燕山大学
申请日： 2023-07-17 - 公布日： 2023-10-10 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于半监督学习的钢板表面缺陷检测方法及系统，属于钢板缺陷检测技术领域，包括对缺陷图像采集，构建缺陷图像数据集；将缺陷图像数据库划为标记数据集和未标记数据集；将标记数据集划分为训练集和验证集，对训练集进行数据增强处理；建立改进后的yolov5网络模型ECS‑yolov5；用ECS‑yolov5作为半监督的检测模型；采集实时视频并对其处理，并应用半监督的检测模型，实现实时缺陷检测；缺陷数据储存模块将检测到的缺陷数据进行存储，并定期使用新的缺陷数据更新半监督的检测模型参数。
一种基于监督学习钢板表面缺陷检测方法系统

[发明专利]一种面向高空间分辨率遥感图像专题信息提取的半监督诊断性特征选择方法-CN201510119477.6有效
发明人：陈曦;谷延峰;张晔 -专利权人：哈尔滨工业大学
申请日： 2015-03-18 - 公布日： 2017-11-17 - 主分类号： G06K9/46 文献下载
摘要：一种面向高空间分辨率遥感图像专题信息提取的半监督诊断性特征选择方法，本发明涉及半监督诊断性特征选择方法。本发明是要解决标记样本的工作量大且难以量化评价特征对提取专题类的贡献的问题，提出一种面向高空间分辨率遥感图像专题信息提取的半监督诊断性特征选择方法。本发明应用于半监督诊断性特征选择领域。
一种面向空间分辨率遥感图像专题信息提取监督诊断特征选择方法

[发明专利]一种高光谱图像半监督分类方法及装置-CN201310085370.5有效
发明人：邵振峰;张磊 -专利权人：武汉大学
申请日： 2013-03-18 - 公布日： 2013-06-12 - 主分类号： G06K9/66 文献下载
摘要：本发明涉及遥感高光谱图像的分类方法及装置，所述的方法，包括以下步骤：步骤1：对高光谱图像进行光谱角加权的基于核函数模糊C均值聚类得到聚类指示特征；步骤2：对高光谱图像进行支持向量机（SVM）半监督分类得到第一分类图像Image1，对聚类指示特征进行支持向量机（SVM）半监督分类得到第二分类图像Image2；步骤3：构建聚类和SVM协同框架，将Image1和Image2分类结果嵌入聚类和SVM协同框架进行协同分析得到最终高光谱分类图像所述的装置，包括聚类模块、分类模块、协同分析模块；本高光谱图像半监督分类方法及装置是一种可行的、高精度的聚类和SVM协同的高光谱图像半监督分类方法及装置。
一种光谱图像监督分类方法装置

[发明专利]图像检索方法和装置-CN201210572371.8有效
发明人：陈世峰;曹琛 -专利权人：深圳先进技术研究院
申请日： 2012-12-25 - 公布日： 2013-04-24 - 主分类号： G06F17/30 文献下载
摘要：所述方法包括：获取检索关键字，并根据所述检索关键字从数据库中筛选得到图像集合；根据图像特征建立所述图像集合的第一谱图模型，得到所述图像集合中的两两图像之间的相似关系；根据所述相似关系建立半监督学习模型；根据所述半监督学习模型对所述图像集合进行去噪，得到去噪图像集合；返回所述去噪图像集合作为所述检索关键字所对应的检索结果。上述图像检索方法和装置，通过建立图像集合的谱图模型，建立半监督学习模型，根据半监督学习模型对图像集合进行去噪，返回去噪后的图像集合作为检索关键字所对应的检索结果，在对检索到的图像集合进行全局去噪，提高了图像检索的精确度
图像检索方法装置

[发明专利]基于随机森林构图的极化SAR图像半监督分类方法-CN201710341085.3有效
发明人：刘红英;杨淑媛;邢兴;慕彩红;焦李成;缑水平;王爽;侯彪 -专利权人：西安电子科技大学
申请日： 2017-05-15 - 公布日： 2020-12-08 - 主分类号： G06K9/00 文献下载
摘要：发明公开了一种基于随机森林构图的半监督极化SAR图像分类方法。主要解决了已有的分类方法中表示样本点之间相似关系的不足，未利用空间信息的问题。其步骤为：输入极化SAR图像原始数据；提取数据的相关特征，得到数据集；构建初始随机森林模型；利用两个不同属性样本集训练两个分类器，用于协助训练半监督随机森林模型；优化半监督随机森林模型；构建相似关系图；本发明利用半监督随机森林算法构建出更加亲和的相似关系图和空间信息，提高了极化SAR图像的分类正确率。用于地质勘探，抢险救灾，目标识别等民用和军用领域。
基于随机森林构图极化 sar 图像监督分类方法

[发明专利]一种基于半监督聚类算法的设备类型识别方法和装置-CN201910637533.3有效
发明人：杨琨;叶志钢;张本军 -专利权人：武汉绿色网络信息服务有限责任公司
申请日： 2019-07-15 - 公布日： 2021-05-07 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及物联网设备企业识别技术领域，具体涉及一种基于半监督聚类算法的设备类型识别方法和装置，方法包括：收集多条物联网数据，形成物联网数据集；在物联网数据集内对产生的业务数据进行行为统计，生成针对各设备的行为统计特征；在物联网数据集内进行数据包级的半监督聚类学习后，对产生的业务数据进行包类型识别，生成针对各设备的包类型统计特征；针对设备合并行为统计特征和包类型统计特征，并基于合并后的数据进行设备级的半监督聚类学习，通过解析IOT设备产生的协议流特征与数据包内特征，基于半监督聚类算法对设备进行分类，节省人力物力，可多、快、准的发现物联网企业，完成物联网企业的识别。
一种基于监督算法设备类型识别方法装置

[发明专利]基于半监督学习算法的移动设备实体识别方法及装置-CN201811011479.3有效
发明人：王灿;沈鑫;冼伟钊;杨红霞;王中要 -专利权人：浙江大学
申请日： 2018-08-31 - 公布日： 2022-01-28 - 主分类号： G06F21/44 文献下载
摘要：本申请公开一种基于半监督学习算法的移动设备实体识别方法和装置。其中，基于半监督学习算法的移动设备实体识别方法包括：根据确定的移动设备的识别符的共现关系稀疏图中节点的属性特征和用于所述移动设备实体识别的有标记的数据，利用半监督学习算法的损失函数进行迭代运算，确定识别符所属移动设备中心的特征和所述移动设备中心的特征通过利用少量有标记数据结合半监督学习算法损失函数，进行移动设备实体识别，提高了移动设备实体识别的准确度。
基于监督学习算法移动设备实体识别方法装置

[发明专利]基于半监督孪生网络的异质遥感图像变化快速检测方法-CN202011496434.7有效
发明人：李刚;刘瑜;蒋骁;何友 -专利权人：清华大学;中国人民解放军海军航空大学
申请日： 2020-12-17 - 公布日： 2021-10-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于半监督孪生网络的异质遥感图像变化快速检测方法，包括如下步骤：获取变化前后的两幅异质遥感图像并进行配准；以在ImageNet中预训练的两个相同结构的VGG子网络为基础构造半监督孪生网络；在两幅异质遥感图像的相同位置，分别提取少量以图像小块为单位的非变化区域，作为训练样本；构造损失函数，通过最小化损失函数，训练半监督孪生网络中的高层级特征以适应两幅异质遥感图像，获得两幅异质遥感图像的同质特征；以两幅异质遥感图像作为半监督孪生网络输入，提取变化差异图；利用Otsu算法对变化差异图二值化，得到最终的变化检测图。
基于监督孪生网络遥感图像变化快速检测方法

[发明专利]基于半监督关系度量网络的图像识别方法及装置-CN202111428246.5有效
发明人：房体品;王瑞丰;袭肖明;杨光远 -专利权人：山东力聚机器人科技股份有限公司
申请日： 2021-11-29 - 公布日： 2022-03-25 - 主分类号： G06V10/40 文献下载
摘要：本发明是关于一种基于半监督关系度量网络的图像识别方法及装置，方法包括：对图像数据集中的所有有标签数据和无标签数据进行数据扩充，得到扩充后的图像数据集；将扩充后的图像数据集中的有标签数据进行聚类操作，得到每个类别的类别原子图像数据；将扩充后的图像数据集进行随机加噪处理，将加噪后的图像数据集和类别原子图像数据输入到半监督关系度量网络模型，以得到有标签数据和无标签数据的不同类别模板对比得分；根据不同类别模板对比得分计算交叉熵损失和均方差损失；根据交叉熵损失和均方差损失进行训练，得到训练好的半监督关系度量网络模型；通过训练好的半监督关系度量网络模型对待识别图像进行识别，以确定待识别图像的所属类别。
基于监督关系度量网络图像识别方法装置

[发明专利]一种高光谱图像分类方法-CN202010766197.5有效
发明人：潘海珠;葛海淼 -专利权人：齐齐哈尔大学
申请日： 2020-08-03 - 公布日： 2022-09-09 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种高光谱图像分类算法，结合自训练半监督分类算法和吸引子传播算法，与传统的自训练半监督分类算法不同，本发明提出算法在3个方面有所改进。本发明将提出算法在经典高光谱图像Indian Pines上与高斯混合模型半监督分类算法、拉普拉斯支持向量机、基于k近邻的自训练半监督分类算法比较。
一种光谱图像分类方法

[发明专利]一种基于深度互信息最大化的半监督音频事件识别方法-CN202010661214.9有效
发明人：刘半藤;郑启航;王章权;陈友荣 -专利权人：浙江树人学院(浙江树人大学)
申请日： 2020-07-10 - 公布日： 2022-06-03 - 主分类号： G06F16/65 文献下载
摘要：本发明涉及一种基于深度互信息最大化的半监督音频事件识别方法，使用半监督神经网络模型作为骨干，设计了基于深度互信息最大化一致性正则约束和交叉熵分类约束，构建出半监督学习模型，设计互信息判别器对模型深度表征向量间的互信息进行估计，使模型通过全局互信息挖掘样本间的潜在联系，以加强全局表征间的一致性与非线性相关性，获得具备较强鲁棒性的半监督音频事件分类模型；使用梯度下降法优化神经网络模型参数，对音频事件样本进行分类。
一种基于深度互信最大化监督音频事件识别方法

[发明专利]自适应数据集的半监督医学图像器官分割方法及系统-CN202211607575.0有效
发明人：黄炳顶;黄永志;张瀚文 -专利权人：深圳技术大学
申请日： 2022-12-14 - 公布日： 2023-09-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种自适应数据集的半监督医学图像器官分割方法及系统，包括：获取医学图像数据集，所述医学图像数据集包括标签数据集和无标签数据集；对所述医学图像数据集进行统计分析，获得统计信息；基于所述统计信息，对所述医学图像数据集进行预处理；根据半监督学习方法、nnU‑Net构建半监督学习框架和分割网络，所述半监督学习框架用于指导nnU‑Net自适应地设计预处理方法、分割网络的结构和超参数；采用五折交叉验证方法
自适应数据监督医学图像器官分割方法系统