[发明专利]基于自监督对比学习的图像深度聚类方法及系统有效
| 申请号： | 202010996960.3 | 申请日： | 2020-09-21 |
| 公开（公告）号： | CN112215262B | 公开（公告）日： | 2022-12-09 |
| 发明（设计）人： | 朱军;蔡淙崴;李崇轩 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06V10/762 | 分类号： | G06V10/762;G06V10/774;G06V10/82 |
| 代理公司： | 北京箴思知识产权代理有限公司 11913 | 代理人： | 李春晖;谭艳 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于自监督对比学习的图像深度聚类方法及系统，利用对比学习来提升嵌入的判别性，在不给定人类标注下，对比学习通过判别样本，能为语义相似的样本学到余弦相似度高、且判别性强的嵌入。在此基础上，本技术方案挖掘能简化学习过程的子任务，而由于同样类别样本的类内差异小于不同类样本，根据样本的类别来决定子任务是其中一种最自然的划分方式。因此，对比混合专家系统鼓励高度专业化专家，每个专家善于处理特定类别的样本，自然地得到好的聚类结果。同时，对比混合专家系统优化单一项目标函数，不需要预训练或正则项等处理便可防止聚类退化，可以应用于更加复杂图像的无监督聚类任务。 | ||
| 搜索关键词： | 基于 监督 对比 学习 图像 深度 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010996960.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种通信类器件的谐波失真测试电路
- 下一篇：一种数据处理方法和系统
