申请/专利权人：上海锡鼎智能科技有限公司

申请日：2023-03-29

公开（公告）日：2024-04-19

公开（公告）号：CN116188876B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/762;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2023.06.16#实质审查的生效;2023.05.30#公开

摘要：本发明实施例公开一种基于信息混合的半监督学习方法及半监督学习装置，涉及深度学习技术领域，包括：基于标记数据集对预设深度学习模型进行训练，获得初始分类模型；基于标记数据集和未标记数据集训练生成自编码网络；基于初始分类模型对未标记数据集进行分析，生成第一标签信息，基于自编码网络对未标记数据集进行分析，生成第二标签信息；基于第一标签信息和第二标签信息生成未标记数据集的混合标签信息；基于未标记数据集、混合标签信息及标记数据集对初始分类模型进行训练，生成的半监督学习模型。通过基于采用多种学习模型生成针对未标记数据集的混合标签的方式进行半监督学习模型的训练，从而有效提高半监督学习模型的训练效果。

主权项：1.一种基于信息混合的半监督学习方法，其特征在于，所述方法包括：基于标记数据集对预设深度学习模型进行训练，获得初始分类模型；基于所述标记数据集和未标记数据集训练生成对应的自编码网络；基于所述初始分类模型对所述未标记数据集进行分析，生成第一标签信息，以及基于所述自编码网络对所述未标记数据集进行分析，生成第二标签信息；基于所述第一标签信息和所述第二标签信息生成所述未标记数据集的混合标签信息；基于所述未标记数据集、所述混合标签信息以及所述标记数据集对所述初始分类模型进行训练，生成对应的半监督学习模型；所述基于所述第一标签信息和所述第二标签信息生成所述未标记数据集的混合标签信息，包括：基于所述初始分类模型对预设验证数据集进行分析，生成第一分析结果，基于所述自编码网络对所述预设验证数据集进行分析，生成第二分析结果；基于所述预设验证数据集的数据标签确定所述第一分析结果的第一分析准确率，以及确定所述第二分析结果的第二分析准确率；基于所述第一分析准确率和所述第二分析准确率生成所述第一标签信息的第一权重值以及所述第二标签信息的第二权重值；基于所述第一权重值、所述第一标签信息、所述第二权重值以及所述第二标签信息执行混合处理，生成混合后信息；基于预设归一化规则对所述混合后信息进行处理，生成所述未标记数据集的混合标签信息。

全文数据：

权利要求：

百度查询： 上海锡鼎智能科技有限公司 基于信息混合的半监督学习方法及半监督学习装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD