基于双重伪标签细化和样本重加权的图像分类方法及系统

专利主权项内容

1.基于双重伪标签细化和样本重加权的图像分类方法，其特征在于，包括以下步骤：获取包含标记数据和未标记数据的样本数据集，进行预处理；将预处理后的数据集随机加噪并依次输入至学生网络和教师网络中，分别提取样本特征；将学生网络提取的样本特征输入至样本难度概率预测器中，获得样本学习难度概率；将教师网络中的未标记数据分别通过聚类和预测得到聚类伪标签属于每一类的概率、预测伪标签属于每一类的概率，两者相融合得到最终预测概率；基于教师网络的学习状态进行类级阈值的动态调整，并利用前述的样本学习难度概率实现对每个样本各类阈值的自适应调整，得到对应类的阈值；若未标记样本的最终预测概率高于对应类的阈值，则用该类对未标记样本进行标记，并加入到标记数据中，用于下一轮的模型训练；计算模型的总损失；更新学生网络、教师网络参数，迭代直到达到收敛条件，保存最小损失值时的网络模型，完成模型的训练；利用训练好的模型对待分类图像进行分类。