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
本发明公开了一种融合平滑约束和对比学习的半监督目标检测方法，包括：获取平滑约束后的伪标签，获取低维嵌入相似度矩阵，融合平滑约束和对比学习。本发明对所提取的目标特征分别进行不同的投影变换，同时获取目标的类别概率和低维嵌入两种特征。对给定样本的目标低维嵌入，通过聚合相邻样本的类别概率对模型预测的类别概率施加平滑约束，提升伪标签的预测置信度；同时利用类别概率伪标签作为监督信号，通过对比学习使低维嵌入学习目标类别的相关性，促进模型所学习表征的类别判别性。本发明有效的缓解了模型的确认偏差，促进了特征的类别
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117788999A
(43)申请公布日2024.03.29
(21)申请号202311762921.7
(22)申请日2023.12.20
(71)申请人北京工业大学
地址100024
文档评论（0）