申请/专利权人:广东工业大学
申请日:2024-03-22
公开(公告)日:2024-04-26
公开(公告)号:CN117935030A
主分类号:G06V10/98
分类号:G06V10/98;G06N3/0499;G06N3/0985;G06V10/74;G06V10/762;G06V10/764;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种双视角相关性感知正则化的多标签置信度校准方法,包括:首先进行特定类别对比学习;其次进行实例级相关性感知正则化;然后进行原型级相关感知正则化;最后计算实例级相关性感知正则化平滑后的标签和原型级相关性感知正则化平滑后的标签的损失函数,并结合样本总损失计算得到置信度。本发明通过学习类别相关性来建模语义混淆,引入双重视角的相关性感知正则化,并将这些相关性引入到自适应正则化中,从而提高置信度的准确性,提高了计算机图像处理在高风险领域的实用性。
主权项:1.一种双视角相关性感知正则化的多标签置信度校准方法,其特征在于,包括:使用预设的神经网络提取给定图像集的实例级类别特定特征,并运用监督对比损失对实例级类别特定特征进行处理,得到样本总损失;计算所述图像集中图像间的实例级类别特定特征的相似度获得相似度矩阵,并对相似度矩阵进行平滑处理,得到第一标签;从属于同一类别的所有图像中提取实例级类别特定特征,使用聚类算法,利用实例级类别特定特征形成原型特征,计算图像实例级类别特定特征与类别原型之间的相似度,并对得到的相似度进行标准化处理后再平滑处理得到第二标签;计算所述第一标签和所述第二标签的损失函数,并结合样本总损失计算得到置信度。
全文数据:
权利要求:
百度查询: 广东工业大学 双视角相关性感知正则化的多标签置信度校准方法及系统
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。