2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、屬性學習作為語義學習的主要分支之一,是當前視覺領域的研究熱點。屬性學習,包括二值屬性和相對屬性,是依靠人為定義一些具有具體含義的屬性名稱,通過判斷圖像或者視頻中是否存在相應的屬性,從而更為精確地描述物體與場景。屬性學習與眾多語義學習方法相同,在智能監(jiān)控、機器人視覺等方面,均具有重要的研究價值和應用背景。
  目前針對屬性學習已有大量的研究工作,然而這些研究均忽略了一個重要問題。在傳統(tǒng)的屬性學習算法中,由于同一圖像或者視頻包含多種屬

2、性,因此在為屬性建模的過程中,將需要大量的屬性標簽信息。獲取標簽信息的工作不僅費時而且費力,無法滿足實際應用中的需要。因此,我們希望利用主動學習策略,從大量的無標簽數(shù)據(jù)中挖掘具有代表性的標簽信息,從而建立具有普適性的屬性模型,這樣能夠極大地減少獲取標簽信息時所產(chǎn)生的時間消耗和體力消耗。
  針對上述問題,本文首先通過研究相對屬性建模中RankSVM-with-Sim模型的性質,發(fā)現(xiàn)基于最小化模型版本空間(VersionSpaceR

3、eduction)的主動學習算法和基于最大化模型變化(ExpectedModelChange)的主動學習算法的局限性,如版本空間的平分界面無法確定及無標簽樣本的標簽估計問題等。為了解決上述局限性,本文進一步提出基于樣本多樣化與模型梯度最大化的主動學習算法。該算法主要包含兩步,首先利用模型梯度最大化策略,實現(xiàn)樣本所包含信息量大小的判定,進而選取信息量較大的多個無標簽樣本;其次利用樣本多樣化策略,通過類內方差最小化使得待標注樣本間的共有信息

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論