基本信息:
- 专利标题： 一种基于两阶段主动学习的图像识别分类方法
- 申请号：CN202310715906.0 申请日：2023-06-16
- 公开(公告)号：CN116824237A 公开(公告)日：2023-09-29
- 发明人： 杨育彬 , 范译 , 江彪
- 申请人： 南京大学
- 申请人地址： 江苏省南京市栖霞区仙林大道163号
- 专利权人： 南京大学
- 当前专利权人： 南京大学
- 当前专利权人地址： 江苏省南京市栖霞区仙林大道163号
- 代理机构： 江苏圣典律师事务所
- 代理人： 胡建华
- 主分类号： G06V10/764
- IPC分类号： G06V10/764 ; G06V10/762 ; G06V10/774 ; G06V10/82 ; G06N3/091
摘要：
本发明公开了一种基于两阶段主动学习的图像识别分类方法，包含如下步骤：使用常规主动学习方法进行第一阶段主动采样；对各视图中的样本进行聚类；计算两个视图间的一致度；使用表达度和稳定度进行第二阶段主动采样；对神经网络进行训练；对模型进行迭代优化。本发明是一种与具体的学习任务无关、与现有主动学习方法解耦的新型主动学习方法，可以应用在多种主动学习场景中，且可以与现有主动学习方法结合使用。此外，本发明同时考虑到了样本的表达性和稳定性，采样出的用于标注的样本具有较高的可信度。本发明实现了准确、扩展性强的基于多视图聚类计算样本表达度和稳定度的两阶段主动学习方法，因此具有较高的使用价值。