基于单标签图像标注的损失函数分析

• 作者: 张素兰 邓建国
• 来源期刊: 太原科技大学学报
• 学科: 工学
• 关键词: 有监督学习 损失函数 图像标注
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 大数据分析与并行计算
• 页码范围: 433-439,448
• 页数: 8页
• 分类号: TP273
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2020.06.003

摘要

图像标注作为有监督学习的一个典型应用,一直深受研究者的关注.图像标注模型中度量图像样本损失函数的合适选取,对提升图像标注模型的预测准确率,具有重要的指导作用.从分析损失函数对模型预测性能影响的角度出发,首先对基于神经网络的单标签图像标注方法,在MNIST数据集下,通过更换神经网络模型的损失函数,对比研究了有监督学习中常用损失函数度量样本的性能差异,然后给出了一种新的损失函数,最后实验验证了该损失函数的有效性.为有监督学习算法中损失函数的有效构造,提高图像标注性能提供了一种思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张素兰		37	232	9.0	14.0
2	邓建国		2	0	0.0	0.0