公开(公告)号：CN114579783B

公开(公告)日：2024-12-24

申请号：CN202210232828.4

申请日：2022-03-09

Applicant: 南京邮电大学

Inventor： 王彩玲 ,  杨建伟 ,  蒋国平

IPC: G06F16/58 ,  G06V10/32 ,  G06V10/40 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/088

Abstract: 本发明是一种基于最近邻与困难样本挖掘的无监督图像嵌入学习方法，包括步骤1：搭建深度学习框架运行环境；步骤2：搭建执行无监督嵌入学习任务的网络模型；步骤3：使用数据集通过端到端的方式对网络进行训练；步骤4：将步骤3完成训练后的图像输入到无监督嵌入学习任务的网络模型中，根据图像特征之间的余弦相似性检索出相似度最近的图像，如检索到的图像属于同一类别，则检索成功。该方法利用深度神经网络对图像提取特征，然后根据特征之间的余弦相似性，挖掘样本的最近邻域，从而将图像分为若干个邻域，邻域内的样本图像共享伪类别信息，使得模型能够学习到图像的高判别性特征。

公开(公告)号：CN114579783A

公开(公告)日：2022-06-03

申请号：CN202210232828.4

申请日：2022-03-09

Applicant: 南京邮电大学

Inventor： 王彩玲 ,  杨建伟 ,  蒋国平

IPC: G06F16/58 ,  G06V10/32 ,  G06V10/40 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一种基于最近邻与困难样本挖掘的无监督图像嵌入学习方法，包括步骤1：搭建深度学习框架运行环境；步骤2：搭建执行无监督嵌入学习任务的网络模型；步骤3：使用数据集通过端到端的方式对网络进行训练；步骤4：将步骤3完成训练后的图像输入到无监督嵌入学习任务的网络模型中，根据图像特征之间的余弦相似性检索出相似度最近的图像，如检索到的图像属于同一类别，则检索成功。该方法利用深度神经网络对图像提取特征，然后根据特征之间的余弦相似性，挖掘样本的最近邻域，从而将图像分为若干个邻域，邻域内的样本图像共享伪类别信息，使得模型能够学习到图像的高判别性特征。