南京邮电大学学报(自然科学版)

作者：卢官明,宋统帅,楼亦墨,郑浩伟,闫静杰

单位：南京邮电大学 通信与信息工程学院，江苏 南京　210003南京邮电大学 通信与信息工程学院，江苏 南京　210004南京邮电大学 通信与信息工程学院，江苏 南京　210005南京邮电大学 通信与信息工程学院，江苏 南京　210006南京邮电大学 通信与信息工程学院，江苏 南京　210007

关键词：半监督学习；基于图的半监督学习；半监督深度学习；新生儿疼痛；表情识别

基金：国家自然科学基金（72074038, 61971236）、江苏省重点研发计划（BE2016775）和江苏省研究生科研与实践创新计划（KYCX21_0742）资助项目

针对新生儿疼痛表情识别任务中由于有类别标签样本数量不足而导致分类准确率不高的问题，提出了一种基于图的半监督深度学习（Graph based Semi supervised Deep Learning，GSDL）方法。首先，使用训练集中少量有类别标签的样本对深度神经网络模型进行初步训练，得到初始模型；然后，利用初始模型提取有类别标签样本与无类别标签样本的特征向量，并使用提取的特征向量构建一个邻接矩阵，进而构建一个图，在构建的图上通过标签传播算法推测出无类别标签样本的伪标签；最后，使用所有样本及其标签对深度神经网络模型进行微调，得到最终的新生儿疼痛表情识别分类模型。在新生儿疼痛表情数据集上的实验结果表明，在使用相同数量的有类别标签样本情况下，文中提出的GSDL模型的分类准确率优于传统的有监督深度学习模型，也高于现有的半监督深度学习模型（Mean Teachers，MT），验证了GSDL方法在新生儿疼痛表情识别中的有效性。

来源：2022年第1期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2022年第1期