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
公开了一种同源图像检索方法和系统，包括将教师网络和学生网络分别分为多个模块，将浅层特征提取模块和深层特征提取模块分别进行损失的约束和知识的蒸馏；在浅层特征上将所述教师网络训练输出的伪标签作为所述学生网络在浅层特征学习后输出的标签，计算软分类交叉熵损失；对深层特征的教师网络和学生网络编码输出进行相似度计算，在总损失函数中加上所述教师网络和所述学生网络的硬分类交叉熵损失，完成启发式的网络轻量化训练。本申请通过学生网络对教师网络的启发式学习，并同时考虑标签层面与特征层面的模型表征能力，约束了深浅不同层
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117112823 A
(43)申请公布日 2023.11.24
(21)申请号 202310929283.7 G06V 10/774 (2022.01)
文档评论（0）