基于最近邻与困难样本挖掘的无监督图像嵌入学习方法
公开
摘要
本发明是一种基于最近邻与困难样本挖掘的无监督图像嵌入学习方法，包括步骤1：搭建深度学习框架运行环境；步骤2：搭建执行无监督嵌入学习任务的网络模型；步骤3：使用数据集通过端到端的方式对网络进行训练；步骤4：将步骤3完成训练后的图像输入到无监督嵌入学习任务的网络模型中，根据图像特征之间的余弦相似性检索出相似度最近的图像，如检索到的图像属于同一类别，则检索成功。该方法利用深度神经网络对图像提取特征，然后根据特征之间的余弦相似性，挖掘样本的最近邻域，从而将图像分为若干个邻域，邻域内的样本图像共享伪类别信息，使得模型能够学习到图像的高判别性特征。
基本信息
专利标题 ：
基于最近邻与困难样本挖掘的无监督图像嵌入学习方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114579783A
申请号 ：
CN202210232828.4
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-09
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王彩玲杨建伟蒋国平
申请人 ：
南京邮电大学
申请人地址 ：
江苏省南京市鼓楼区新模范马路66号
代理机构 ：
南京正联知识产权代理有限公司
代理人 ：
张玉红
优先权 ：
CN202210232828.4
主分类号 ：
G06F16/58
IPC分类号 ：
G06F16/58 G06V10/32 G06V10/40 G06V10/74 G06V10/774 G06V10/82 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F16/58
••使用元数据的特征检索,例如,不来自内容或者元数据派生的
法律状态
2022-06-03 ：
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
