公开(公告)号：CN117333709A

公开(公告)日：2024-01-02

申请号：CN202311307469.5

申请日：2023-10-07

Applicant: 杭州电子科技大学

Inventor： 杨洁 ,  王杰 ,  贺嘉璠 ,  程宜 ,  薛安克

IPC: G06V10/764 ,  G06N3/0895 ,  G06V10/774 ,  G06N3/084 ,  G06V10/82

Abstract: 本发明公开了一种基于对比损失的多增强半监督图像分类方法，该方法首先获取一个图像样本数据集，数据集包含无标签图像样本和带有类别标签的图像样本。其次对训练数据里的图像样本进行图像增强，在此之后将得到的增强图像输入到分类器网络,获得类别分布概率。然后计算有标签样本经过分类器得到的类别预测与真实标签的交叉熵损失，构造损失函数，计算梯度并通过反向传播迭代更新分类器网络。最后分类器网络训练好后进行预测,用户将待预测的图像作为输入经过分类器,得到待测对象的预测类别。本发明成功避免引入标记噪声,取得了良好的分类效果，并且适用于解决缺乏数据标签信息的图像分类任务。