基于主动学习和半监督学习算法的图像标签标定方法技术

本发明专利技术公开了基于主动学习和半监督学习算法的图像标签标定方法，本发明专利技术涉及半监督图像标签标定技术领域，数据预处理，数据划分，数据增强，基于Transductive‑VAT模型无标签样本标签预测，计算无标签样本的不确定性，基于主动学习标定不确定性大的样本，记录全部原处理和当前处理的方案，得出处理方案的成效值，本发明专利技术的优点在于：通过Active‑T‑VAT模型在所有给定的训练样本数下表现出较高的准确性，并且随着训练样本数的增加准确度同步提高，其准确率稳步提高，同时该Active‑T‑VAT模型的准确率波动更加稳定，能够对小样本数据的相关无标签数据进行有效地学习，提高小样本在水下场景中进行模拟识别的准确度和性能，为样本进行标签标定，降低获取有标签样本的困难程度和成本。

【技术实现步骤摘要】

本专利技术涉及半监督图像标签标定，具体为基于主动学习和半监督学习算法的图像标签标定方法。

技术介绍

1、无标签样本通常由于时间等因素导致与小样本数据存在分布差异问题，在半监督学习中无法为小样本提供有效的数据扩充，有效的无标签样本选择与标签标定对小样本模型性能具有一定的提升效果，依据主动学习可以完成此类任务，在此基础上，结合半监督学习算法，可以有效地解决小样本水下图像标签标定。

2、在水下图像分类问题中，受复杂海洋环境影响，采集到的图像易受到噪声污染，目标与背景对比度低，增加了分类的难度，尽管在某些条件下水下目标样本获取相对容易，但获取的样本多为大量无标签数据，而获取有标注的样本却较为困难且成本很高，呈现小样本的状态，为此，本专利技术提出基于主动学习和半监督学习算法的图像标签标定方法。

技术实现思路

1、本专利技术的目的在于提供基于主动学习和半监督学习算法的图像标签标定方法。

2、以解决上述
技术介绍
中提出的问题，本专利技术提供如下技术方案：基于主动学习和半监督学习算法的图像标签标定方法，本文档来自技高网...

【技术保护点】

1.基于主动学习和半监督学习算法的图像标签标定方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于主动学习和半监督学习算法的图像标签标定方法，其特征在于：所述步骤一中，在收集水下图像数据时，可以利用专业的水下相机和声呐成像技术结合的方式获取，并以专业的水下相机为主声呐成像技术为辅的方式获取质量较佳的水下图像数据。

3.根据权利要求2所述的基于主动学习和半监督学习算法的图像标签标定方法，其特征在于：所述步骤三中，在随机裁剪水下图像数据时，随机制定单个水下图像数据裁剪方式，然后裁剪图像，从而增加水下图像数据的多样性。

4.根据权利要求3所述的基于...

【技术特征摘要】

1.基于主动学习和半监督学习算法的图像标签标定方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于主动学习和半监督学习算法的图像标签标定方法，其特征在于：所述步骤一中，在收集水下图像数据时，可以利用专业的水下相机和声呐成像技术结合的方式获取，并以专业的水下相机为主声呐成像技术为辅的方式获取质量较佳的水下图像数据。

3.根据权利要求2所述的基于主动学习和半监督学习算法的图像标签标定方法，其特征在于：所述步骤三中，在随机裁剪水下图像数据时，随机制定单个水下图像数据裁剪方式，然后裁剪图像，从而增加水下图像数据的多样性。

4.根据权利要求3所述的基于主动学习和半监督学习算法的图像标签标定方法，其特征在于，基于主动学习图像标签标定包括以下步骤：

5.根据权利要求4所述的基于主动学习和半监督学习算法的图像标签标定方法，其特征在于，所述transductive-vat具体的训练过程如下：

6.根据权利要求4所述的基于主动学习和半监督学习算法的图像标签标定方法，其特征在于，所述无标签样本...

【专利技术属性】
技术研发人员：余乐安，于洋，那琪，万晨旭，张茗淇，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：