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
本发明公开了一种煤岩显微组分组自动分割模型的构建方法，其包括：全监督学习阶段：将有标签图像按批次输入卷积神经网络，以最小化分割头处的交叉熵损失和表征头处的对比损失为目标对煤岩显微组分组自动分割模型进行优化以得到教师模型；伪标签学习阶段：以教师模型作为初始的学生模型；教师模型对无标签图像进行伪标签推断，得到伪标签图像；根据像素的概率分布熵以区分可靠像素与不可靠像素；将可靠像素加入学生模型，以最小化分割头处的交叉熵损失和表征头处的对比损失为目标对学生模型进行优化；不可靠像素参与对比学习过程对学生模型
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117011646 A
(43)申请公布日 2023.11.07
(21)申请号 202311037144.X G06N 3/096 (2023.01)
文档评论（0）