基本信息:
- 专利标题： 基于统一正负伪标签的无监督视觉表征学习方法及系统
- 申请号：CN202410077239.2 申请日：2024-01-19
- 公开(公告)号：CN117611957B 公开(公告)日：2024-03-29
- 发明人： 吴建龙 , 李子晗 , 孙玮 , 聂礼强 , 尹建华 , 林宙辰
- 申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 山东大学
- 申请人地址： 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区;
- 专利权人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院),山东大学
- 当前专利权人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院),山东大学
- 当前专利权人地址： 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区;
- 代理机构： 济南圣达知识产权代理有限公司
- 代理人： 张庆骞
- 主分类号： G06V10/778
- IPC分类号： G06V10/778 ; G06V10/774 ; G06V10/762 ; G06V10/84
摘要：
本发明属于计算机视觉中的图像聚类技术领域，为解决现有图像聚类模型聚类性能低的问题，提供一种基于统一正负伪标签的无监督视觉表征学习方法及系统。其中，基于统一正负伪标签的无监督视觉表征学习方法包括预训练分配正标签的深度聚类模型；利用预训练的深度聚类模型为所有图像样本分配正标签，并从中筛选出一组正标签置信度高于设定阈值的图像样本；其中，将筛选出的图像样本作为有标签的图像样本，剩余的图像样本作为无标签的图像样本；利用预训练的深度聚类模型及所有图像样本再进行半监督调整，利用半监督调整过程中的学习损失对预训练的深度聚类模型进行联合优化训练，其能够在预训练模型的基础上进一步提升聚类性能。
公开/授权文献:
- CN117611957A 基于统一正负伪标签的无监督视觉表征学习方法及系统 公开/授权日：2024-02-27