一种基于无监督物体检测消除偏差的网络数据学习方法

摘要

一种基于无监督物体检测消除偏差的网络数据学习方法。该方法的目的是弱化网络图像与标准数据集之间的构造偏差，从网络图像中学习并应用于卷积神经网络训练中，即通过无监督物体检测的方法在训练数据中加入处理后的网络图像来解决深度学习训练中数据不足的问题。本发明首先根据先验知识生成第一种弱边界框作为输入数据训练第一个候选区域生成网络模型RPN,获得包含目标物体的内容区域图像；再使用更小尺度的第二种弱边界框来训练第二个候选区域生成网络模型，得到内容区域图像上的对象区域，而后设置形式约束和标签约束来消除偏差，选择出相对于标准数据集无偏差的区域作为新图像用于训练卷积神经网络，最终应用于图像分类任务中。