公开(公告)号：CN114049497B

公开(公告)日：2024-03-05

申请号：CN202111323283.X

申请日：2021-11-07

Applicant: 西北工业大学

Inventor： 李学龙 ,  卢程军 ,  张睿

IPC: G06V10/44 ,  G06V10/762 ,  G06V10/82 ,  G06N3/048 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供一种基于自适应对比学习的图像深度表征方法。首先，对输入图像数据集进行预处理，生成预训练用增强数据集，并分别对自主设计的编码器和解码器模块网络进行预训练；然后，以预训练好的网络参数作为初始值，再对编码器和解码器进行联合训练，训练结束时，编码器的输出即为输入图像数据集的深层特征，并得到图像数据集的亲和矩阵。本发明能够解决在无监督场景下用对比策略学习图像的深层特征时，图像对之间的伪标签构造难、对图像表征功能单一的问题，实现端到端的、完全无监督的图像深层特征提取，同时学习图像间的亲和关系。

公开(公告)号：CN114049497A

公开(公告)日：2022-02-15

申请号：CN202111323283.X

申请日：2021-11-07

Applicant: 西北工业大学

Inventor： 李学龙 ,  卢程军 ,  张睿

IPC: G06V10/44 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于自适应对比学习的图像深度表征方法。首先，对输入图像数据集进行预处理，生成预训练用增强数据集，并分别对自主设计的编码器和解码器模块网络进行预训练；然后，以预训练好的网络参数作为初始值，再对编码器和解码器进行联合训练，训练结束时，编码器的输出即为输入图像数据集的深层特征，并得到图像数据集的亲和矩阵。本发明能够解决在无监督场景下用对比策略学习图像的深层特征时，图像对之间的伪标签构造难、对图像表征功能单一的问题，实现端到端的、完全无监督的图像深层特征提取，同时学习图像间的亲和关系。