模糊数据上多类算法识别一致性

猿急送>成都其它兼职程序员>猫格的十字路口>

案例列表

基本信息

案例ID：144961

技术顾问：猫格的十字路口 - 1年经验 - 西安蒜泥电子科技有限责任公司

联系沟通

微信扫码，建群沟通

项目名称：模糊数据上多类算法识别一致性

所属行业：人工智能 - 其他

->查看更多案例

案例介绍

既往的研究表明，由于模糊数据的存在，给图片的拍摄类型进行分类是一个难以完成的任务。为了解决这个难题，我们不像以往一样通过训练二值标签的方式来进行分类。而是定义了一种叫做概率标签学习的方式，并且提出了一种“多代理半监督学习框架(MASSL)”来解决两个问题：(1)通常来讲，图片的模糊标签是无法精确获得的，通过将半监督的方式引入到多个卷积网络中，MASSL能够提高多个卷积网络的识别一致性，从而自动的为每张图片打出一个模糊度。(2)我们尝试了KL散度(Kullback-Lerbler)和均方差(Mean squared error,MSE)作为目标函数，来度量预测结果和多代理给出的结果之间的相似度。在一个14K的数据集上的实验结果表明：MASSL提高了所有卷积网络的分类精度。同时提高了所有网络之间是别的一致性，这也是我们的模糊数据识别一致性的目的。
本人完成了算法的设计，网络结构的设计，并且通过python+pytorch进行了编程。在4个1080Ti的服务器上，进行了一段时间的调参，并且完成了论文的写作。论文应用到了深度学习的方法，进行的是图像处理的任务。