原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
查看更多
本申请公开了一种基于自监督模型的图像分类方法及装置，用以解决当前针对图像分类的自监督模型存在的特征提取能力较弱、模型性能较差的问题。该方法根据无标签训练集，训练初始自监督模型；结合有标签数据，对所述初始自监督模型进行联合训练，得到图像分类模型；在所述联合训练的过程中，按照模型网络各阶段的图像块大小，分别对输入图像进行掩码处理，并计算各阶段输出预测的损失；采用所述图像分类模型，进行图像分类。本方法设计了一种多阶段的目标，能够预测输入图像全分辨率下的所有像素值，大大提高了图像局部上下文信息的捕捉能力
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116310584 A
(43)申请公布日 2023.06.23
(21)申请号 202310332609.8 G06T 3/60 (2006.01)
(22)申请日 2023.03.2
文档评论（0）