一种结合深度特征与对比学习的自监督信息提取方法
公开
摘要
本发明涉及一种结合深度特征与对比学习的自监督信息提取方法，包括：第一步：将无标注数据的影像x‘与标注过的影像x经过特征编码，分别输入到代理任务与最终的目标任务中，分别进行训练。第二步：在代理任务训练时，固定分割任务的网络结构参数，将x‘编码得到的特征，结合x‘经过分割任务特征提取层编码的特征，以神经网络结构模拟无标注数据非监督提取，训练一遍无标注数据集；第三步：分割任务训练时，固定代理任务的网络结构参数，将x编码得到的特征，结合代理任务经过特征提取层编码的特征，训练一遍整个数据集；第四步：在以上的训练中，不断地迭代训练；并且在将两个特征提取结构提取的特征进行整合时，实现特征迁移的效果。
基本信息
专利标题 ：
一种结合深度特征与对比学习的自监督信息提取方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114612685A
申请号 ：
CN202210282505.6
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-22
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈德跃彭玲
申请人 ：
中国科学院空天信息创新研究院
申请人地址 ：
北京市海淀区北四环西路19号
代理机构 ：
北京科迪生专利代理有限责任公司
代理人 ：
金怡
优先权 ：
CN202210282505.6
主分类号 ：
G06V10/44
IPC分类号 ：
G06V10/44 G06V10/764 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-06-10 ：
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
