【技术实现步骤摘要】
本公开总体上涉及机器学习。
技术介绍
1、深度学习机器学习(ml)模型在ml模型的训练期间可能需要人工监督。鲁棒性ml模型可以取决于各个方面，诸如图像的类型、图像的数量和训练中图像的可变性等。因此，缺少这些方面的图像训练集可能使ml模型的性能劣化。例如，ml学习模型(其用于检测或识别图像中的对象(object))可以用“差的(poor)”图像训练集进行训练，在这种情况下，ml模型可能具有差的性能，诸如在对象类别之间具有细粒度边界(fine-grained boundary)的场景中。
技术实现思路
1、提供了用于高动态范围(hdr)增强的方法、系统和制品，包括计算机程序产品。
2、根据一个方面，一种系统包括至少一个数据处理器和存储指令的至少一个存储器，所述指令在由至少一个数据处理器执行时导致包括以下的操作：接收第一图像和第二图像作为用于对比自监督学习(contrastive self-supervised learning)的输入；将高动态范围增强应用于第一图像以生成第一对视图...
【技术保护点】
1.一种系统，包括：
2.根据权利要求1所述的系统，其中，所述第一图像和所述第二图像均选自未标记图像的图像库。
3.根据权利要求1所述的系统，其中，所述第一图像和所述第二图像是描绘不同内容的不相似图像。
4.根据权利要求1所述的系统，其中用于生成所述第一对视图的高动态范围增强包括所述第一对视图的合成高动态范围生成，并且其中用于生成所述第二对视图的高动态范围增强包括所述第二对视图的合成高动态范围生成。
5.根据权利要求4所述的系统，还包括：
6.根据权利要求1所述的系统，其中第一编码器投影所述第一对编码表示以形...
【技术特征摘要】
1.一种系统，包括：
2.根据权利要求1所述的系统，其中，所述第一图像和所述第二图像均选自未标记图像的图像库。
3.根据权利要求1所述的系统，其中，所述第一图像和所述第二图像是描绘不同内容的不相似图像。
4.根据权利要求1所述的系统，其中用于生成所述第一对视图的高动态范围增强包括所述第一对视图的合成高动态范围生成，并且其中用于生成所述第二对视图的高动态范围增强包括所述第二对视图的合成高动态范围生成。
5.根据权利要求4所述的系统，还包括：
6.根据权利要求1所述的系统，其中第一编码器投影所述第一对编码表示以形成所述第一投影表示。
7.根据权利要求1所述的系统，其中第二编码器投影所述第二对编码表示以形成所述第二投影表示。
8.根据权利要求1所述的系统，其中包括第一多层感知器的第一神经网络投影所述第一对编码表示以形成所述第一投影表示。
9.根据权利要求1所述的系统，其中包括第二多层感知器的第二神经网络投影所述第二对编码表示以形成所述第二投影表示。
10.根据权利要求1所述的系统，还包括：
11.一种方法，包括：
12.根据权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。