原初效应半监督图像分类算法

少样本防过拟合

借鉴认知心理学中的原初效应，通过加权梯度链和预伪标签技术，在少量标注数据下实现更稳健的图像分类。

Dianqing, Zhao · Chaofan, Li · 朱安民

2024

技术优势

少标签不易过拟合

通过加权梯度链技术缓解示例稀缺导致的过拟合，使模型在少量标注数据下仍能稳定训练。

伪标签更干净

采用预伪标签方法提升伪标签质量，减少训练中错误标签引入的误差。

仿原初效应学习

通过示例预测模块让模型对初始标注数据形成深刻印象，模仿原初效应提升分类性能。

应用场景

• 具身智能视觉感知：在少量标注样本下提升具身智能体的视觉识别能力。
• 机器人视觉分类：让机器人在数据标注有限时仍能准确分类物体。
• 医学图像辅助诊断：利用少量标注医学图像训练辅助诊断模型，降低标注成本。
• 无人机航拍图像识别：在无人机航拍图像标注稀缺时提升识别性能。