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
本发明属于图像智能分析领域，具体为一种基于自监督排序学习的图像去冗余方法。本发明将图像切分为不相交的小图像块集合，进而提出基于图像块推理重建质量的伪标签生成方法，以及基于此的图像块重要性排序建模及冗余内容识别。基于此，本发明的图像识别等下游任务可以仅在依据排序模型选择得到的重要图像块而不是全部图像内容上进行。本发明可以在保持识别精度的情况下，大幅降低当前具备识别优势的视觉自注意模型的计算代价。此外，该方法突破了传统有监督图像冗余内容识别方法会带来归纳偏差的不足，具有更好的通用性，并在相同的去冗余
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116612021 A
(43)申请公布日 2023.08.18
(21)申请号 202310492353.7 G06V 10/82 (2022.01)
文档评论（0）