摘要
本发明公开了一种无负样本自监督学习方法,包括以下步骤:设置自监督学习模型,在自监督学习模型中设置分类器,所述分类器用于获取训练错误率指标,以评价训练过程中的特征质量;进行自监督学习训练,在训练过程中基于错误率指标获取训练错误率,若训练错误率高于阈值,则调整自监督学习模型,重新进行训练,直至训练错误率低于阈值,获得最终的预测模型;采用获得的预测模型对待识别图片进行识别。本发明公开的无负样本自监督学习方法,可以无需测试集和样本标签,在训练集上评估模型的泛化能力。
技术关键词
监督学习方法
错误率
监督学习模型
样本
分类器
指标
约束特征
计算机
处理器通信
间距
指令
数据
可读存储介质
图片
存储器
特征值
电子设备
标签
因子
系统为您推荐了相关专利信息
医学图像分割方法
医学图像分割模型
像素
代表
无标签数据
Stacking集成学习
储层厚度预测方法
学习器
训练集
超参数
综合评估模型
综合评估方法
实时监测数据
形态特征分析
模型库