← 返回列表
一种不完备多视图不完备多标签分类方法和装置
申请人信息
- 申请人:哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
- 申请人地址:518055 广东省深圳市南山区桃园街道深圳大学城哈尔滨工业大学
- 发明人: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种不完备多视图不完备多标签分类方法和装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311469150.2 |
| 申请日 | 2023/11/7 |
| 公告号 | CN117556349A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F18/2431 |
| 权利人 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) |
| 发明人 | 刘成亮; 文杰; 唐瞻雁 |
| 地址 | 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区 |
摘要文本
哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)取得“一种透气窗帘布”专利技术，本发明公开一种不完备多视图不完备多标签分类方法和装置，包括：步骤S1、获取多视图多标签数据训练集及其对应的视图与标签缺失位置信息；步骤S2、将多视图数据训练集及其对应的视图与标签缺失位置信息作为不完备多视图多标签分类深度神经网络模型的输入，根据深度神经网络模型训练损失函数，得到输入数据在深度神经网络模型的总损失；步骤S3、将待处理的多视图数据及其对应的缺失视图位置信息输入到具有所述总损失函数的深度神经网络模型中进行不完备多视图数据的多标签分类。采用本发明的技术方案，以双分支深度神经网络模型作为框架，通过对比学习的方法提升嵌入特征的鉴别能力，进而提升模型在不完备多视图多标签分类任务上的分类性能。
专利主权项内容
1.一种不完备多视图不完备多标签分类方法，其特征在于，包括：步骤S1、获取多视图数据训练集及其对应的缺失视图与缺失标签位置信息；步骤S2、将多视图数据训练集及其对应的视图与标签缺失位置信息作为不完备多视图多标签分类深度神经网络模型的输入，根据深度神经网络模型训练损失函数，得到输入数据在深度神经网络模型的总损失，其中，所述总损失函数包含：多视图跨分支对比损失、重构损失、图约束损失和多标签交叉熵损失；步骤S3、将待处理的多视图数据及其对应的缺失视图位置信息输入到具有所述总损失函数的深度神经网络模型中进行不完备多视图数据的多标签分类。 详见官网：