公开(公告)号：CN111832627B

公开(公告)日：2022-08-05

申请号：CN202010567241.X

申请日：2020-06-19

申请人： 华中科技大学

发明人： 王非 ,  李江腾

IPC分类号： G06V10/774 ,  G06V10/764 ,  G06V10/776 ,  G06N3/08

摘要： 本发明公开了一种抑制标签噪声的图像分类模型训练方法、分类方法及系统，属于图像分类任务领域，包括：将图像数据集划分为训练集和验证集，利用训练集对图像分类模型进行有监督训练；遍历训练集，获得各样本的在模型输出层产生的梯度，并估计梯度模长分布，以计算训练集中样本被错误标定的概率，由此划分出错误标定样本子集和正确标定样本子集；若错误标定样本过少，则利用正确标定样本子集对模型进行有监督训练；否则，舍弃错误标定样本的类别标签后，利用两个样本子集结合半监督学习算法更新模型参数；重复遍历训练集至更新模型参数的步骤直至模型收敛。本发明能够从样本层面降低神经网络模型拟合错标定样本的风险，提高图像分类的准确率。

公开(公告)号：CN111832627A

公开(公告)日：2020-10-27

申请号：CN202010567241.X

申请日：2020-06-19

申请人： 华中科技大学

发明人： 王非 ,  李江腾

IPC分类号： G06K9/62 ,  G06N3/08

摘要： 本发明公开了一种抑制标签噪声的图像分类模型训练方法、分类方法及系统，属于图像分类任务领域，包括：将图像数据集划分为训练集和验证集，利用训练集对图像分类模型进行有监督训练；遍历训练集，获得各样本的在模型输出层产生的梯度，并估计梯度模长分布，以计算训练集中样本被错误标定的概率，由此划分出错误标定样本子集和正确标定样本子集；若错误标定样本过少，则利用正确标定样本子集对模型进行有监督训练；否则，舍弃错误标定样本的类别标签后，利用两个样本子集结合半监督学习算法更新模型参数；重复遍历训练集至更新模型参数的步骤直至模型收敛。本发明能够从样本层面降低神经网络模型拟合错标定样本的风险，提高图像分类的准确率。