基于主动学习的图像分类协同训练模型研究

作者：柳永春; 李娟

来源：赤峰学院学报(自然科学版), 2021, 37(11): 3-6.

DOI：10.13398/j.cnki.issn1673-260x.2021.11.002

• 主动学习
• 图像分类
• 协同训练
• 样本不确定性
• 抽样系数
• 核函数
• 参数服务器
• 加速比

在当前数量庞大的网络存储图像中,如何在过滤不相关信息的同时挖掘出具有价值的信息参量,已成为图像处理技术的主要研究内容之一。对此,提出一种基于主动学习的图像分类协同训练模型。定义图像样本的不确定性水平,通过计算边缘抽样系数指标的方式,建立主动型分类核函数定义项,实现基于主动学习的图像分类处理。在此基础上,提供稳定的参数服务器配置环境,按照协同加速比的数值需求,确定收敛训练指标的具体计算数值,完成基于主动学习的图像分类协同训练模型研究。在面对等量存储图像数据时,协同训练模型比传统向量机模型的信息过滤速度更快,所挖掘出信息参量的价值潜力更大,可较好解决基于图像处理技术的实用性问题。

• 单位
  阜阳师范大学