龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京大学
摘要：基于提示调优的师生架构半监督学习小样本图像分类方法，基于CLIP模型构建提示调优基础模型，根据调优基础模型配置共享结构和初始化参数的师生模型，由老师模型为无标签数据生成伪标签，对学生模型输入标签数据和伪标签数据对双模态提示参数进行提示调优训练，分别按不同权重计算标签数据和伪标签数据的损失函数并更新梯度，所述权重随训练变化，学生模型更新后更新老师模型的参数，更新后的老师模型再重新生成伪标签数据集进行训练，最后利用训练得到的老师模型实现图像样本的分类。本发明将半监督学习引入CLIP模型的提示调优方法中，通过增加伪标签数据辅助训练，改善了模型在可用训练样本极少的情况下的训练效果，具有较强的实用性。
主权项：1.基于提示调优的师生架构半监督学习小样本图像分类方法，其特征是基于CLIP模型构建提示调优基础模型，收集标签数据和无标签数据，所述标签数据为小样本数据，根据提示调优基础模型配置老师模型和学生模型两个模型，进行如下训练策略：由老师模型为无标签数据生成伪标签，接着对学生模型输入标签数据和伪标签数据，对双模态提示参数实施训练，利用标签数据和伪标签数据更新梯度，其中分别按不同权重计算标签数据和伪标签数据的损失函数，合为学生模型的损失，更新后的学生模型的参数通过指数移动平均方法更新老师模型，更新后的老师模型再重新生成伪标签数据集，重复上述过程直至训练结束；其中随着更新进行，在学生模型训练中降低标签数据的训练损失权重的同时，提升伪标签数据的训练损失权重；最后利用训练得到的更新参数的老师模型实现图像样本的分类。
全文数据：
权利要求：
百度查询： 南京大学 基于提示调优的师生架构半监督学习小样本图像分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号