一种基于双梯度强化对比学习的小样本图像识别方法.pdfVIP

下载本文档

1
0
约2.76万字
约 25页
2023-06-25 发布于四川
举报
版权申诉

一种基于双梯度强化对比学习的小样本图像识别方法.pdf

1、本文档共25页，其中可免费阅读24页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于双梯度强化对比学习的小样本图像识别方法，该方法包括：获取待识别图像并进行数据增强处理，得到双视图样本与混合样本；将双视图样本与混合样本输入至深度神经网络模型进行梯度训练，构建最小化全局对比损失函数；基于全局对比损失函数，对深度神经网络模型的全连接层进行梯度回传修正处理，构建修正后的深度神经网络模型；基于修正后的深度神经网络模型进行图像识别处理，得到图像识别结果。通过使用本发明，能够在降低人工对数据样品进行标注成本的同时提高深度神经网络模型对图像的识别精度。本发明作为一种基于双

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116310714 A (43)申请公布日 2023.06.23 (21)申请号 202310151749.5 (22)申请日 2023.02.22 (71)申请人佛山科学技术学院地址 5280