【技术实现步骤摘要】
本专利技术属于图像分类领域，尤其涉及一种基于模糊标签引导标签松弛和一致性监督的图像分类方法。
技术介绍
1、近年来，多视角数据在图像识别、行为分析和场景分类等领域中广泛应用，但由于视角间存在异构性、特征冗余和模糊不确定性，导致传统的单视角或简单融合方法在实际应用中面临性能瓶颈。尤其在多视角图像分类任务中，不同视角所提供的信息具有互补性和局部差异，如何有效整合各视角特征、缓解不一致性，并增强模型对模糊样本的判别能力，已成为该领域研究的关键问题。
2、传统的多视角分类方法多依赖硬标签监督或显式特征对齐机制，未能充分利用视角间潜在的模糊结构和软标签信息，往往在噪声样本或数据不确定性较高的场景下表现不佳。为了解决这些问题，部分研究开始引入模糊集理论，以表达样本在多个类别间的模糊隶属关系。然而，现有方法大多仅将模糊性建模用于无监督聚类或辅助特征选择，尚未将模糊隶属度、真实标签监督与特征投影学习系统性整合，导致对模糊结构与语义对齐的协同建模能力有限。
3、专利技术专利[专利号:cn202010440946.5]提出了一种自适...
【技术保护点】
1.一种基于模糊标签引导标签松弛和一致性监督的图像分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于模糊标签引导标签松弛和一致性监督的图像分类方法，其特征在于，步骤2具体为：基于模糊集理论，引入模糊C-means聚类策略来描述样本的类别的不确定性，策略允许样本同时以不同程度隶属于多个簇；采用欧几里得距离来评估样本和聚类质心之间的相关性；若某样本与某簇质心在欧氏距离上更接近，则可得到更高的hij值，反之则更低，目标函数具体如下：
3.根据权利要求1所述的一种基于模糊标签引导标签松弛和一致性监督的图像分类方法，其特征在于，步骤3...
【技术特征摘要】
1.一种基于模糊标签引导标签松弛和一致性监督的图像分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于模糊标签引导标签松弛和一致性监督的图像分类方法，其特征在于，步骤2具体为：基于模糊集理论，引入模糊c-means聚类策略来描述样本的类别的不确定性，策略允许样本同时以不同程度隶属于多个簇；采用欧几里得距离来评估样本和聚类质心之间的相关性；若某样本与某簇质心在欧氏距离上更接近，则可得到更高的hij值，反之则更低，目标函数具体如下：
3.根据权利要求1所述的一种基于模糊标签引导标签松弛和一致性监督的图像分类方法，其特征在于，步骤3具体为：引入真实标签来引导各视角隶属度的学习，使模型在保留模糊聚类弹性的同时，对齐真实标签，同时引入自适应视角权重用以表示第i个样本在第v个视角上所占的权重，如果某个视角对于判别该样本更具有优势，那么模型会倾向于赋予该视角更高的值，反之则降低，学习函数为：
4.根据权利要求3所述的一种基于模糊标签引导标签松弛和一致性监督的图像分类方法...
【专利技术属性】
技术研发人员：张远鹏，邱成羽，程煜婷，谢宇航，陈秀，张馨匀，
申请(专利权)人：南通大学，
类型：发明
国别省市：
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。