CN116433974B 一种标签分类的方法、装置、电子设备和存储介质 （苏州浪潮智能科技有限公司）

US2006095521A1,2006.05.04签。本发明通过在损失函数中设定一个权重参2将所述标签数据集输入至多标签分类模型，以及将所述样本图像数根据所述权重参数和损失函数，确定所述样本图像中类别的分根据所述样本特征映射图，确定所述样本图像中类别的标签将所述标签数据集输入至所述多标签分类模型的卷积隐藏层，若所述样本图像中类别的标签为所述缺失标签，且第二若所述样本图像中类别的标签为所述缺失标签，且第二特3根据类激活可视化方式和阈值分割方式，确实所述样本图像中类别根据所述样本图像中类别的标签为正标签和缺失标签的特征根据所述第一分类损失值，将所述样本图像中所述类别的标签由根据所述第二分类损失值，将所述样本图像中所述类别的标签由数据集获取模块，用于获取样本图像数据集和标签数据集；与多个样本图像一一对应的样本预测概率向量和样本4标签调整模块，用于根据所述权重参数和损失函数，确定所述样本特征向量确定子模块，用于根据所述样本特征映射图，确9.一种计算机可读存储介质，其特征在于，序，所述计算机程序被处理器执行时实现如权利要求1_6中任一项所述的标签分类的方法5[0002]近几年多标签学习的一个趋势是开始关注如何在有限的监督下构建更好的学习6标签分类模型，以得到与多个样本图像一一对应的样本预测概率向量和样本特征映射图，第二特征聚类直径；所述权重参数的取值为0或1，所述根据前N次迭代得到的特征聚类直7得到与多个样本图像一一对应的样本预测概率向量和样本述样本特征映射图，并将所述样本特征映射图输入至所述多标签分类模型的全连接隐藏8[0053]第一权重参数调整子模块，用于若所述样本图像中类别[0054]第二权重参数调整子模块，用于若所述样本图像中类别9所述多标签分类模型的卷积隐藏层生成与所述样本图像一一对应的所述样本特征映射图，一对应的第一样本特征映射图；将第一样本特征映射图输入至多标签模型的全连接隐藏[0130]子步骤S312，根据所述样本图像中类别的标签为正标签生成所述样本图像中类别的标签为正标签和[0149]具体地，假设一个样本的类别标签在前两次迭代训练中的权重参数分别为αi和α[0154]在本发明实施例中，需要根据前两次迭代训练后的特征聚类直径来更新权重参[0156]步骤107，根据所述权重参数和损失函数，确定所述样本图像中类别的分类损失标签分类模型，以及将所述样本图像数据集中多个样本图像依次输入至多标签分类模型，以得到与多个样本图像一一对应的样本预测概率向量和样本特征述样本特征映射图，并将所述样本特征映射图输入至所述多标签分类模型的全连接隐藏[0208]第一权重参数调整子模块，用于若所述样本图像中类别[0209]第二权重参数调整子模块，用于若所述样本图像中类别行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中[0231]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程包括优选实施例以及落入本发明实施例范围的所有变及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思