西安电子科技大学学报

2021, v.48(03) 99-105

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种有效的困难样本学习策略
Effective learning strategy for hard samples

曹艺;蔡晓东;

摘要(Abstract):

针对困难样本在深度哈希算法中难以收敛以及过多的困难样本产生的噪声干扰问题,提出一种通过损失决定梯度的困难样本学习策略。首先,提出一种非均匀梯度归一化方法,通过计算困难与整体样本损失的比例,对整体样本反向传播梯度进行加权,提高模型对困难样本的学习能力;其次,针对存在过量困难样本的情况,设计了一种加权随机采样方法,根据损失大小对样本进行加权欠采样,滤除噪声并保留少量的困难样本避免过拟合。基于公开数据集,哈希特征检索平均精度值分别约提高了4.7%与3.4%。实验结果表明,该策略改进的哈希算法准确率优于对标哈希算法,能更好地学习到数据集中困难样本的特征信息。

关键词(KeyWords): 采样分析;梯度算法;哈希函数;深度神经网络

Abstract:

Keywords:

基金项目(Foundation): 2018年新疆维吾尔自治区重点研发计划(2018B03022-1,2018B03022-2);; 桂林市科技计划项目(20190412)

作者(Author): 曹艺;蔡晓东;

Email:

DOI: 10.19665/j.issn1001-2400.2021.03.013

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享