一种基于分歧学习的弱监督目标分类和定位方法

摘要

本发明提供了一种基于分歧学习的弱监督目标分类和定位方法，实现过程为：构建训练样本集；基于层次分歧激活模块或者层次分歧激活模块‑差异性分歧激活模块构建分类和定位网络；将训练样本集中的样本输入到初步构建的分类和定位网络中进行多尺度的目标特征提取；设计损失函数，根据损失函数计算梯度，对整个卷积层网络进行梯度反传，并更新卷积层网络参数，实现网络的优化。本发明方法提出了两种分歧学习形式：差异分歧学习和层次分歧学习，两种分歧学习从不同的角度挖掘目标的定位信息，最终激活出完整的目标区域，该方法能够发现目标的互补和具有辨别力的视觉模式，能够在精确目标定位的同时保持图像分类的高性能，具有非常好的实用性和扩展性。