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
本发明公开了一种基于图像关键数据提取的半监督学习主动方法，首先从无标签样本池中随机选取一小部分样本进行标注，得到初始有标签样本集和无标签样本集，使用有标签集进行有监督的模型训练，再使用最大置信度大于等于阈值的无标签样本集进行无监督的模型训练，得到第一次迭代后的模型；然后从最大置信度小于阈值的无标签样本中，使用基于不确定性和多样性的主动学习算法，查询信息量最丰富的样本进行标注；接下来根据挑选出的样本，对有标签样本集和无标签样本集进行更新；重复上述过程，直到达到预设的模型精度或者标注预算耗尽。本发明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116863195 A
(43)申请公布日 2023.10.10
(21)申请号 202310576193.4 G06N 3/0464 (2023.01)
文档评论（0）