基于區(qū)分置信度水平的可遷移圖像識別方法及系統(tǒng)
基本信息
申請?zhí)?/td> | CN202110984978.6 | 申請日 | - |
公開(公告)號 | CN113435546B | 公開(公告)日 | 2021-12-24 |
申請公布號 | CN113435546B | 申請公布日 | 2021-12-24 |
分類號 | G06K9/62 | 分類 | 計算;推算;計數(shù); |
發(fā)明人 | 張凱;王帆;王瀟涵;孔妍;張梅玉;楊光遠 | 申請(專利權)人 | 廣東眾聚人工智能科技有限公司 |
代理機構 | 北京中和立達知識產(chǎn)權代理有限公司 | 代理人 | 楊磊 |
地址 | 276808 山東省日照市嵐山區(qū)安東衛(wèi)街道玉泉二路99號(嵐山區(qū)科技孵化器電商創(chuàng)業(yè)園) | ||
法律狀態(tài) | - |
摘要
摘要 | 本發(fā)明公開了一種基于區(qū)分置信度水平的可遷移圖像識別方法及系統(tǒng),其首先采用源域數(shù)據(jù)訓練得到源域預訓練模型,利用源域模型訓練得到的參數(shù)作為目標域模型的特征提取參數(shù)和分類參數(shù),使目標域模型基于源域模型的訓練參數(shù)從目標域數(shù)據(jù)中選出偽標簽可信樣本,并利用選出的可信樣本為不可信樣本賦予偽標簽和權重,有效地降低了當前所有目標域圖像偽標簽的不確定性;最后通過帶有偽標簽的目標域數(shù)據(jù)和源域數(shù)據(jù)一起訓練優(yōu)化目標域模型,使最終得到的目標域模型的目標圖像識別性能得到了極大提高,能夠進行快速的遷移和有效的圖像識別工作;并有效減少對于目標圖像識別的標注,大量減少人力物力。 |
