摘要
本发明涉及群智感知数据动态冗余检测技术领域,特别涉及一种基于对比学习的群智感知数据动态冗余检测方法;所述方法包括:获取任务目标的感知数据集、利用预训练的冗余检测模型进行冗余检测,得到冗余检测结果,其中,冗余检测模型的训练步骤包括:构建感知数据集、对若干条感知数据进行数据增强、特征提取和多模态特征融合,得到融合特征对,构建融合特征矩阵、构建正负样本,进行实例级和聚类级的对比学习,通过损失函数进行迭代训练,直至收敛,得到冗余检测模型;本发明通过在对比学习框架内集成聚类任务,实现单阶段端到端的冗余聚类,针对动态群智感知数据,实行准确灵活的冗余数据识别,有效提高了冗余检测的准确性和数据质量。
技术关键词
冗余检测方法
融合特征
矩阵
群智感知数据
图像
多模态特征融合
动态
冗余检测系统
样本
文本编码器
策略
处理器
多层感知器
批量
数据获取模块
标签
注意力
系统为您推荐了相关专利信息
智能优化方法
空间结构
强化学习算法
指标
遗传算法
图像增强模型
气阀
条件生成对抗网络
计算机电子设备
数据获取模块
资源调控方法
回归预测模型
重构
协方差矩阵
参数计算方法