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
本发明公开了一种猪舍监控模型训练方法及猪舍监控模型，包括：获取猪舍监控数据，包括标记数据和未标记数据；将标记数据和未标记数据分别输入半监督语义分割模型，得到监督损失和交叉伪监督损失；确定标记数据的原型特征和未标记数据的映射特征，并计算交叉熵损失；根据监督损失、交叉伪监督损失和交叉熵损失确定模型的训练参数，基于训练参数训练模型。本发明通过少量的标记数据，即可实现高精度的图像分割，提升半监督学习的效果，减少了对标记数据的依赖，减少人工标记的工作量，节约了时间及人力资源；本发明通过跨样本注意力模块和全
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116883791 A
(43)申请公布日 2023.10.13
(21)申请号 202310899696.5 G06V 10/26 (2022.01)
(22)申请日 2023.07.
文档评论（0）