专利汇可以提供一种基于ACGAN图像半监督分类算法专利检索,专利查询,专利分析的服务。并且本 发明 基于ACGAN图像半监督分类 算法 解决在半 监督学习 中标签过少导致分类过拟合的问题,通过ACGAN网络中的生成器生成假数据及其对应的标签,并把假数据放入分类器中进行分类,增加带有标签的数据量,从而提高分类模型的泛化能 力 。,下面是一种基于ACGAN图像半监督分类算法专利的具体信息内容。
1.一种基于ACGAN图像半监督分类算法,其特征在于,包括步骤
1)采用minibatch方式训练,先从标准正态分布中采样m个随机分布z,和m个带标签样本中的标签c,通过矩阵融和把z和y融和成一个矩阵当成生成器G的输入,通过步长卷积生成与原图像具有相同维度的假数据Xg~Pg(X,Y);
2)判别器D1接收带标签数据Xl,不带标签数据Xu和生成数据Xg通过卷积网络生成对应的数据特征;
3)判别器D2接收D1输出的图像特征,通过MLP网络输出一个数值来判别这个数据特征的真伪。判别器D1/D2与生成器G构成极大极小化博弈,其期望如公式(1),利用梯度下降法来更新D1,D2和G中的参数;
其中D(X)=D2(D1(X)),κ=(m+n)
4)分类器C接收D1输出的图像特征,通过MLP网络输出一个k维列向量,其损失函数lC分为两部分如公式(2)所示,对于有标签数据和生成数据来说使用交叉熵来表示损失函数lsup,如公式(3)所示;对于无标签数据使用香农熵来表示损失函数lu,如公式(4)所示;通过对损失函数采用梯度下降法来更新D1和C中的参数;
lC=lu+lsup (2)
其中
5)重复步骤1—4),通过生成器和判别器博弈,直至网络达到纳什均衡。
2.根据权利要求1所述的一种基于ACGAN的图像半监督分类算法,其特征在于,在原有的ACGAN网络中的判别器输入加上了无标签数据。
3.根据权利要求1所述的一种基于ACGAN的图像半监督分类算法,其特征在于,把通过生成器生成的带有标签的数据视为真实数据输入到分类器中,并采用交叉熵表示损失函数。
4.根据权利要求1所述的一种基于ACGAN的图像半监督分类算法,其特征在于,通过在生成数据得分期望前乘上系数κ。
5.根据权利要求1所述的一种基于ACGAN的图像半监督分类算法,其特征在于,通过分类器对无标签数据特征采用香浓熵表示损失函数。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种机器学习算法自动选择方法和系统 | 2020-05-12 | 161 |
基于半监督深度距离度量网络的极化SAR图像分类方法 | 2020-05-16 | 904 |
风险识别方法、装置、设备及介质 | 2020-05-17 | 872 |
一种多示例学习框架下的鞋印图像检索方法及系统 | 2020-05-16 | 253 |
一种基于卷积神经网络的自动驾驶汽车前方物体检测方法 | 2020-05-17 | 259 |
一种用于GAN模型训练的半监督学习的方法 | 2020-05-17 | 144 |
一种对蛋白质二级结构进行半监督学习预测方法 | 2020-05-12 | 947 |
一种软件系统的用户需求处理系统及处理方法 | 2020-05-11 | 626 |
一种面向半结构化数据流的实时主题分类方法 | 2020-05-16 | 323 |
一种融合半监督学习和主动学习的搜索引擎用户满意度评估方法 | 2020-05-13 | 1013 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。