一种基于子模函数的图-图转化任务主动学习方法
实质审查的生效
摘要
本发明公开了一种基于子模函数的图‑图转化任务主动学习方法,包括:利用已有标签的图像局部区域集合训练一个图‑图转化任务的深度模型;利用训练好的模型提取图像上未标注的局部区域深度特征;针对提取的局部区域深度特征集合,进行衡量其代表性以及多样性的子模函数构建;优化求解子模函数最大化问题,得到本轮迭代选择的待标注图像局部区域集合;获得待标注图像局部区域的标签,将其添加到已有标签的图像局部区域集合中,再利用所有带标签数据集重新训练图‑图转化任务的深度模型;重复上述步骤,直至挑选的图像局部区域达到要求,得到最具有标注价值的局部区域。利用本发明,可以从未标注图像中挑选出更有标注价值的图像局部区域。
基本信息
专利标题 :
一种基于子模函数的图-图转化任务主动学习方法
专利标题(英):
暂无
公开(公告)号 :
CN114283161A
申请号 :
CN202111589805.0
公开(公告)日 :
2022-04-05
申请日 :
2021-12-23
授权号 :
暂无
授权日 :
暂无
发明人 :
伍阔梁蔡登何晓飞
申请人 :
浙江大学
申请人地址 :
浙江省杭州市西湖区余杭塘路866号
代理机构 :
杭州天勤知识产权代理有限公司
代理人 :
彭剑
优先权 :
CN202111589805.0
主分类号 :
G06T7/11
IPC分类号 :
G06T7/11 G06V10/74 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06T
一般的图像数据处理或产生
G06T5/00
图像的增强或复原
G06T5/50
通过使用多于一幅图像的,例如平均、减少
G06T7/11
区域分割
法律状态
2022-04-22 :
实质审查的生效
IPC(主分类) : G06T 7/11
申请日 : 20211223
申请日 : 20211223
2022-04-05 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载