-
公开(公告)号：CN116524263A
公开(公告)日：2023-08-01
申请号：CN202310485129.5
申请日：2023-04-28
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/74 , G06V10/42 , G06N20/00
Abstract: 本发明公开了一种细粒度图像半自动标注方法，所述方法包括：获取待标注的细粒度图像数据集；对细粒度图像数据集中每张待标注的细粒度图像进行人工标注；将人工标注后的细粒度图像输入预设机器学习模型，输出标注后的细粒度图像；其中，所述预设机器学习模型包括基于已标注图像的SIFT特征构建的K‑Means聚类模型和利用已标注数据集训练的层级分类的模型；本发明提出了一种层级分类训练方法，先从细粒度分类信息中提取到粗粒度分类信息，然后将细粒度和粗粒度两个分支并行训练，最后借助BatchNorm层稳定提取的图像特征，更好地区分不同图像中的局部差异，极大提高了分类预测的准确率。
Search Results
1
records
(took 0.019 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
