摘要
本发明公开了一种基于渐进式重建的高效自监督学习方法及系统,其中方法,包括:获取待重建图像,将待重建图像划分为若干个不重叠的图像块;将待重建图像的所有图像块,输入到训练后的神经网络模型中,得到重建后的图像;其中,训练后的神经网络模型,编码器用于提取所有图像块的特征,所述图像块特征包括:被遮蔽图像块的特征和未被遮蔽图像块的特征,所述最远采样模块对被遮蔽图像块的特征进行选择性地丢弃或保留,所述解码器对被遮蔽图像块的保留特征和未被遮蔽图像块的特征进行重建,得到第一重建图像;所述渐进式重建模块对被遮蔽图像块的丢弃特征进行重建,得到第二重建图像;将第一和第二重建图像进行整合,得到最终重建后的图像。
技术关键词
监督学习方法
神经网络模型
计算机可读指令
图像块特征
采样模块
编码器
保留特征
解码器
构建训练集
非暂时性
列表
学习系统
计算机程序产品
处理器
坐标
矩阵
系统为您推荐了相关专利信息
核辐射检测系统
神经网络模型
样本
标记
核辐射检测技术
智能招聘方法
真实性校验
计算机可读指令
报告
自然语言理解技术
无乳链球菌
大肠埃希菌
拉曼光谱仪
卷积神经网络模型
残差神经网络
行人识别方法
卷积神经网络模型
级联分类器
序列验证
视频行人识别
卷积神经网络模型
模型训练方法
数据处理方法
通信组件
车辆