CN119418338A 一种基于虚拟对抗训练的图像伪标签标注方法 （重庆邮电大学）_第1页
CN119418338A 一种基于虚拟对抗训练的图像伪标签标注方法 （重庆邮电大学）_第2页
CN119418338A 一种基于虚拟对抗训练的图像伪标签标注方法 （重庆邮电大学）_第3页
CN119418338A 一种基于虚拟对抗训练的图像伪标签标注方法 （重庆邮电大学）_第4页
CN119418338A 一种基于虚拟对抗训练的图像伪标签标注方法 （重庆邮电大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于虚拟对抗训练的图像伪标签标注具体涉及一种基于虚拟对抗训练的图像伪标签练的模型计算预测标签与真实标签之间的交叉或者伪标签之间的散度作为第三损失；利用第数据的标签。本发明在不依赖生成伪标签的同2获取训练数据集，训练数据集包括有标签图像数据和无标签图对有标签图像数据进行强增强，并将强增强后的数据输入第一将带有伪标签的无标签图像数据进行强增强，利用第一标签预为训练数据集中每一个数据的弱增强数据计将所有训练数据的真实标签或者伪标签的数据分布，与其一标签预测模型得到的预测标签的数据分布之间的KL散s有标签图像数据的数量，表示第i个有标签图像数据的真实标签，r(rf"r3未标记图像"为训练数据集中每一个数据的弱增强数据计vat表示第三损失，表示第i个样本的真实标签分布pf"与第i个样表示第i个样本的输入第一预测模型预测得到的伪标签分布p'"与第i个样本的进行弱增强后输入第一预测模型预测得到预测标签分布p"之间的散度。4拟对抗训练的图像伪标签标注方法，利用完成训练的标签预测模型预测图像数据的标签，标签图像数据训练标签预测模型得到第一标签预得预测结果与其真实标签之间的交叉熵损失入第一标签预测模型得到的预测标签的数据分布之间的KL散度作为5标签图像数据训练标签预测模型得到第一标签预得预测结果与其真实标签之间的交叉熵损失入第一标签预测模型得到的预测标签的数据分布之间的KL散度作为[0025]在SVHN和CIFAR_10数据集中分别随机抽取1000和4000个6将样本的预测作为伪标签，本领域技术人员一般通过验证集的效果对其进行调整和选择，θ))表示模型对经过强增强的无标签图像的预测概率分布；q(i)表示模型给定弱增强的未标记图像"7从模型预测的概率分布中选择最高概率的类别[0039]S31：计算虚拟对抗扰动，生成对抗样本，为每个弱增强样本计算虚拟对抗扰动θ)表示计算模型在原始样本和经过微小扰动的样本上的预测概率8[0050]将虚拟对抗训练融入一致性学习中，计算弱增强数据和虚拟对抗样本的KL散真实标签对应的概率分布p"和模型预测的概率分布p'

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论