圖像分類作為計算機視覺研究領(lǐng)域最經(jīng)典的任務(wù),近些年因為在醫(yī)學(xué)成像精確分類、商品圖片自動識別和色情暴力內(nèi)容有效鑒別等現(xiàn)實應(yīng)用場景中具有重要應(yīng)用價值而受到廣泛關(guān)注。伴隨著大數(shù)據(jù)時代的到來,深度神經(jīng)網(wǎng)絡(luò)在圖片分類任務(wù)中取得了優(yōu)異的成績。然而,在當(dāng)前主流深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練中,所有的樣本處理都是平等的。實際上,由于在內(nèi)容和標(biāo)注質(zhì)量方面的差異,圖像必然有一定差別。因此,如何差異化處理圖像是精確圖像分類的關(guān)鍵。課程學(xué)習(xí)提出:在訓(xùn)練過程中,應(yīng)該針對樣本的難易,給予不一樣的訓(xùn)練優(yōu)先級�？偟膩碚f,課程學(xué)習(xí)認為在訓(xùn)練的前期應(yīng)當(dāng)學(xué)習(xí)簡單樣本,以捕捉樣本總體分布和學(xué)習(xí)通用特征;在訓(xùn)練的后期應(yīng)當(dāng)學(xué)習(xí)困難樣本,以對決策邊界進行精細微調(diào)。具體實現(xiàn)不同任務(wù)的課程學(xué)習(xí)有兩個關(guān)鍵問題需要解決:第一、如何衡量樣本的難易,以及如何找到所謂的困難樣本和簡單樣本;第二、是如何實現(xiàn)所謂的課程,也就是如何設(shè)計不同樣本的優(yōu)先級。針對這兩個問題,本文結(jié)合圖像分類的任務(wù)特點,將課程學(xué)習(xí)的思路引入圖像分類任務(wù)中,主要內(nèi)容包括:在第二章中,本工作提出了更加精細化的樣本難易評判標(biāo)準(zhǔn)并實現(xiàn)了更加平滑的課程。由于大多數(shù)相關(guān)工作都是使用樣本的損失值來衡量... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 圖像分類
        1.2.2 課程學(xué)習(xí)
    1.3 本文主要研究內(nèi)容和工作安排
第二章 平衡損失課程學(xué)習(xí)
    2.1 引言
    2.2 相關(guān)工作
        2.2.1 教師-學(xué)生框架
        2.2.2 樣本重新加權(quán)
    2.3 課程學(xué)習(xí)從易到難的訓(xùn)練框架
        2.3.1 動機
        2.3.2 模型方法
    2.4 實驗
        2.4.1 實驗設(shè)置
        2.4.2 實驗結(jié)果與分析
    2.5 本章小結(jié)
第三章 基于邊界樣本的課程學(xué)習(xí)
    3.1 引言
    3.2 相關(guān)工作
    3.3 邊界樣本生成課程學(xué)習(xí)
        3.3.1 知識蒸餾
        3.3.2 協(xié)同蒸餾
        3.3.3 生成對抗網(wǎng)絡(luò)
        3.3.4 訓(xùn)練過程
    3.4 實驗
        3.4.1 實驗設(shè)定和數(shù)據(jù)集介紹
        3.4.2 結(jié)果與比較
    3.5 本章小節(jié)
第四章 總結(jié)與展望
    4.1 本文工作總結(jié)
    4.2 研究工作展望
參考文獻
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況



本文編號：3178753