用于机器视觉模型的基于复杂度的渐进式训练

摘要

描述了使用“嘈杂”训练数据集来训练机器视觉模型(MVM)的方法和系统。接收图像的嘈杂集合，其中一些图像的标记是“嘈杂”和/或不正确的。为嘈杂的数据集设计了渐进式排序的学习课程，其中最容易从其学习到机器视觉知识的图像排序在课程起点附近，而较难从其学习到机器视觉知识的图像则在课程中排序在后面。通过将序列化课程提供给受监督的学习方法来训练MVM，以便MVM首先从最简单的示例中学习，然后从较难的训练示例中进行学习，即MVM从最简单到最复杂渐进地积累知识。为了对课程进行排序，将训练图像嵌入特征空间中，并通过特征空间中的密度分布和聚类来确定每个图像的“复杂度”。