文档详情

用于图像分类的基于类别自适应模型的无监督域适应方法.pdf

发布：2023-06-10约1.15万字共9页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113011456 B (45)授权公告日 2022.07.15 (21)申请号 202110171322.2 G06N 3/04 (2006.01)

显示全部

相似文档

一种基于类别原型的半监督图像分类方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117422928A (43)申请公布日2024.01.19 (21)申请号202311517465.X (22)申请日2023.11.15 (71)申请人云南联合视觉科技
2024-01-17 约2.47万字 22页立即下载
基于图一致性和半监督模型的标签含噪图像分类方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114881125 A (43)申请公布日 2022.08.09 (21)申请号 202210433807.9 G06V 10/774 (2022.01)
2023-05-18 约1.59万字 15页立即下载
基于边缘检测的多类别医学图像分类方法.PDF
2017-05-23 约3.33万字 8页立即下载
自监督学习模型在细胞图像分类过程中的应用方法及系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114548289 A (43)申请公布日 2022.05.27 (21)申请号 202210171689.9 G06V 10/764 (2022.01) (22)申请日 2022.02
2023-05-08 约1.43万字 12页立即下载
基于弱监督学习的细粒度图像分类方法研究.pdf 摘要细粒度图像分类问题就是对大类下的子类进行识别分类。普通的图像分类也就是粗粒度图像分类是将袋鼠和狗分开，而细粒度图像分类就是将狗类下的哈士奇和爱斯基摩犬分开。细粒度图像分类涉及更细微的类别区分，通常需要依赖于微小的局部特征来区分不同类别。相比之下，与人脸识别等对象级分类任务相比，细粒度图像分类面临更大的挑战，因为类内差异更为显著，涉及光照、遮掩、噪声干扰等多种不可预见的原因。因此，细粒度图像分类是一项极具挑战性的研究任务。在实际应用中，识别不同的子类别具有重要的应用场景。例如，在生态保护领域，准确识别不同种类的生物是进行生态研究的关键。若能够利用计算机视觉技术实现低成本的细粒
2025-03-15 约8.63万字 65页立即下载
基于直推式半监督深度学习的多标签图像分类方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882279 A (43)申请公布日 2022.08.09 (21)申请号 202210503639.6 G06N 3/08 (2006.01) (22)申请日 2022.05.1
2023-05-14 约2.66万字 16页立即下载
一种基于特征扩增的无监督夜间图像分类方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112990371 B (45)授权公告日 2021.09.10 (21)申请号 202110459160.2 CN 112434723 A,2021.03.02
2023-06-07 约1.29万字 12页立即下载
一种基于蒸馏网络的半监督图像分类方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114548279 A (43)申请公布日 2022.05.27 (21)申请号 202210166402.3 G06V 10/74 (2022.01)
2023-05-10 约1.14万字 10页立即下载
基于半监督滑窗全卷积网络的极化SAR图像分类方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112966749 A (43)申请公布日 2021.06.15 (21)申请号 202110254502.7 (22)申请日 2021.03.09 (71)申请人中国电子科技集团公司第五十四研
2023-06-10 约1.23万字 11页立即下载
基于自监督学习的小样本图像分类方法研究.pdf 基于自监督学习的小样本图像分类方法研究摘要小样本图像分类是计算机视觉领域中的热门方向之一，相对于传统的图像分类任务，小样本图像分类任务更符合图像分类在现实应用中的情景，即用于训练的目标领域标签样本稀少，分类模型难以学习到目标领域样本的信息特征。近些年来，随着自监督学习 方法的快速发展，不少工作开始使用以对比学习为主的自监督学习技术，来弥补小样本 图像分类任务中模型训练时缺乏标签样本的问题。使用自监督学习的模型能够更好地提取样本特征张量，但不少工作过于依赖特征提取器自身的效果，在下游分类阶段仅使用了简单的原型网络来完成小样本图像分类任务，并没有挖掘样本间存在的信息。为了进一步挖掘这
2025-04-24 约8.37万字 59页立即下载
基于注意力机制的半监督高光谱图像分类方法.pdf 基于注意力机制的半监督高光谱图像分类方法 摘要高光谱图像数据具有三维结构，既包含了地物的二维空间信息，又包含了丰富的一维光谱信息。因此，高光谱图像在城市发展规划、地表覆盖分析和环境气候检测等领域得到了广泛的应用。在这些应用中对高光谱图像数据进行分类是一个重要的研究内容。高光谱图像分类主要是根据每种地物反射的不同光谱曲线和不同的空间位置信息进行种类的区分。然而，由于高光谱图像具有高维度和大量的冗余信息，同时存在类别不平衡的情况。使得高光谱图像分类仍然是一个具有挑战性的问题。随着深度学习被应用于高光谱图像分类领域，虽然其相较于传统网络显示出良好的性能，但仍存在一些需要解决的问题。基
2025-04-26 约17.84万字 81页立即下载
用于少样本无监督图像到图像转换的方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113366494 A (43)申请公布日 2021.09.07 (21)申请号 202080011323.4 (74)专利代理机构北京市磐华律师事务所
2023-06-20 约2.98万字 24页立即下载
一种通用域自适应图像分类模型实现方法及系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号CN117253105A (43)申请公布日2023.12.19 (21)申请号202311215728.1 (22)申请日2023.09.19 (71)申请人广州大学
2023-12-17 约1.82万字 16页立即下载
基于无监督领域自适应的图像超分辨方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114549322 A (43)申请公布日 2022.05.27 (21)申请号 202210183404.3 (22)申请日 2022.02.24 (71)申请人中山大学地址 510275 广
2023-05-07 约2.34万字 19页立即下载
一种基于模型蒸馏的图像类别识别方法、装置、存储介质及终端.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113408570 A (43)申请公布日 2021.09.17 (21)申请号 202110499204.4 (22)申请日 2021.05.08 (71)申请人浙江智慧视频安防创新中心有限公
2023-06-20 约1.98万字 15页立即下载