公开(公告)号：CN114627349B

公开(公告)日：2025-01-17

申请号：CN202210307876.5

申请日：2022-03-25

Applicant: 南京大学

Inventor： 李华雄 ,  鲍雯妮

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于自监督学习的开放集图像识别方法，步骤包括：根据待识别图像的类别获取对应的训练数据集来构建开放集数据集；对开放集数据集中的全部图像样本进行初始化；对开放集数据集中的图像样本进行增广；建立基于样本相似度的自监督学习模型；建立基于多分支结构的开放集识别模型；将自监督学习模型与开放集识别模型相结合构建自监督开放集识别模型；使用深度学习训练后的自监督开放集识别模型对测试集进行评估测试。该开放集图像识别方法通过自监督对比学习的方式提高了模型的表征提取能力；考虑到了图像识别在实际应用中的两个场景，标签不足以及开放集问题；联合训练能互像促进，同时提高两个任务的精度。

公开(公告)号：CN114627349A

公开(公告)日：2022-06-14

申请号：CN202210307876.5

申请日：2022-03-25

Applicant: 南京大学

Inventor： 李华雄 ,  鲍雯妮

IPC: G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自监督学习的开放集图像识别方法，步骤包括：根据待识别图像的类别获取对应的训练数据集来构建开放集数据集；对开放集数据集中的全部图像样本进行初始化；对开放集数据集中的图像样本进行增广；建立基于样本相似度的自监督学习模型；建立基于多分支结构的开放集识别模型；将自监督学习模型与开放集识别模型相结合构建自监督开放集识别模型；使用深度学习训练后的自监督开放集识别模型对测试集进行评估测试。该开放集图像识别方法通过自监督对比学习的方式提高了模型的表征提取能力；考虑到了图像识别在实际应用中的两个场景，标签不足以及开放集问题；联合训练能互像促进，同时提高两个任务的精度。