一种结合类激活映射的半监督图像分类方法 |
| |
引用本文: | 王宪保,肖本督,姚明海.一种结合类激活映射的半监督图像分类方法[J].小型微型计算机系统,2022(6):1204-1209. |
| |
作者姓名: | 王宪保 肖本督 姚明海 |
| |
作者单位: | 浙江工业大学信息工程学院 |
| |
基金项目: | 国家自然科学基金项目(61871350)资助;;浙江省科技计划项目(2019C011123)资助; |
| |
摘 要: | 半监督学习要求无标记数据集远大于标记数据集,然而无标记数据集中包含的复杂无关信息又会对模型训练造成负面影响.针对此问题,本文提出了一种基于增强的均值教师模型的半监督图像分类方法.首先根据类激活映射的工作机制,构建一个具有类激活映射功能的网络;然后将无标记数据集输入结合类激活映射的目标初定位网络,得到目标初定位图;最后将标记图像和目标初定位图像组成训练数据集,训练得到半监督图像分类器.本文设置了标记数据占比、骨干网络、数据集的对比实验,结果表明,本文算法在Top1和Top5上的表现优于现有算法,说明了本文算法的可行性和有效性.
|
关 键 词: | 半监督学习 图像分类 卷积神经网络 类激活映射 |
|
|