基于域内规划的类质心匹配迁移学习算法研究
Electronic Design Engineering（2022）
摘要
针对森林火灾烟雾数据集小,模型获取困难问题,采用类质心匹配和局部流行自学习迁移学习算法,解决缺乏标签数据的烟雾检测任务.算法将目标域中同一簇内的样本视为整体而不是个体,通过类质心匹配为目标簇分配伪标签.为了充分利用目标域数据结构,引入域内规划法,从域中学习判别性传递信息.基于卫星遥感图像与视频影像图像数据集对该模型进行评估,与普通类质心匹配算法相比,文中算法在视频影像图像上的准确率提高了4.50％,在卫星遥感图像上的准确率提高了6.50％,且在迭代次数为5次时就已经收敛.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要