一种基于平均损失和逐类选择的弱监督图片分类方法

摘要

本发明公开一种基于平均损失和逐类选择的弱监督图片分类方法，基于图片样例的平均损失，从带噪标记图片数据中逐类选择出低风险的数据，并将剩下未被选中的高风险图片样例视为未标记数据，利用弱监督学习技术将选中的低风险数据和未标记数据进行混合生成更多的伪标记数据扩充训练集。在混合过程中，需要对选出的低风险图片样例根据损失值的大小设置权值，并基于加权重采样技术来进一步降低风险。利用生成的伪标记数据训练深度神经网络最终得到高性能的图片分类器。本方法可以应用于各种弱监督条件下基于带有噪声标记图片数据的学习，具有较好的效果。