论文部分内容阅读
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。