[发明专利]基于半监督深度学习的图像分类方法、装置和存储介质有效
| 申请号： | 201810132654.8 | 申请日： | 2018-02-07 |
| 公开（公告）号： | CN108416370B | 公开（公告）日： | 2022-03-22 |
| 发明（设计）人： | 杨猛;陈林;于仕琪;朱英 | 申请（专利权）人： | 深圳大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人： | 胡海国 |
| 地址： | 518000 广东省深*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于半监督深度学习的图像分类方法、装置和存储介质，其方法包括：获取标签训练图像样本和非标签训练图像样本，得到标签训练集；结合深度学习以及半监督学习对标签训练集进行卷积神经网络训练，建立统一的半监督深度学习和未标注样本类别估计的模型；基于半监督深度学习和未标注样本类别估计的模型进行图像识别分类。本发明能利用隐藏在非标签训练数据中的鉴别信息，同时也能利用当前深度特征的高度可分性，可以更有效、准确地利用未标注样本，从而获得更好的图像识别性能。 | ||
| 搜索关键词： | 基于 监督 深度 学习 图像 分类 方法 装置 存储 介质 | ||
【主权项】：
1.一种基于半监督深度学习的图像分类方法，其特征在于，包括以下步骤：获取标签训练图像样本和非标签训练图像样本，得到标签训练集；结合深度学习以及半监督学习对所述标签训练集进行卷积神经网络训练，建立统一的半监督深度学习和未标注样本类别估计的模型；基于所述半监督深度学习和未标注样本类别估计的模型进行图像识别分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳大学，未经深圳大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810132654.8/，转载请声明来源钻瓜专利网。
