[发明专利]一种深度学习的训练方法

权利要求书

1.一种深度学习的训练方法，其特征在于，具体包括以下步骤：

步骤1，从图像数据集中随机抽取多类别，获取与上述类别对应的在图像数据集之外的图片，组成数据集；

步骤2，将数据集按比例分为训练集data_0和测试集data_1，将训练集输入深度神经网络，得到模型model_0；

步骤3，使用模型model_0预测测试集data_1中的样本，计算预测结果和真实结果之间的差异，得到预测的准确率acc_0，记录预测得到的测试集data_1中样本的伪标签；

步骤4，将训练集data_0和带有伪标签的样本数据合并记为训练集data_2，训练集data_2输入深度神经网络，每次训练后测试模型model_0针对测试集data_1的准确率；

步骤5，若准确率连续n次小于准确率acc_0，则将准确率acc_0更新为n次准确率的平均值，从测试集data_1中取出10％的数据及其真实标签合并到训练集data_0中，重复步骤4；

步骤6，若准确率连续n次大于准确率acc_0，则将准确率acc_0更新为n次准确率的平均值，记录n次准确率中最高一次对应的模型为model_1，从训练集data_0中拿出10％的数据放入测试集data_1中，用模型model_1预测测试集data_1的伪标签，更新测试集data_1的伪标签，重复步骤4；

步骤7，若训练集data_0中的数据全部移至测试集data_1后，经过5次训练后停止训练；或者训练集data_0和测试集data_1处于平衡状态后停止训练。

2.根据权利要求1所述的一种深度学习的训练方法，其特征在于，步骤1具体包括，从图像数据集imageNet2012中随机抽样100个类别，获取与上述100个类别对应的在图像数据集之外的图片，每个类别10张图片，组成数据集。

3.根据权利要求1所述的一种深度学习的训练方法，其特征在于，步骤2具体包括，将数据集按4:6的比例分为训练集data_0和测试集data_1，将训练集输入深度神经网络，得到模型model_0。

4.根据权利要求1所述的一种深度学习的训练方法，其特征在于，步骤4具体包括，将训练集data_0和带有伪标签的样本数据合并记为训练集data_2，训练集data_2输入深度残差网络resnet50，每次训练后测试模型model_0针对测试集data_1的准确率。

5.根据权利要求1所述的一种深度学习的训练方法，其特征在于，步骤5具体包括，若准确率连续5次小于准确率acc_0，则将准确率acc_0更新为5次准确率的平均值，从测试集data_1中取出10％的数据及其真实标签合并到训练集data_0中，重复步骤4。

6.根据权利要求1所述的一种深度学习的训练方法，其特征在于，步骤6具体包括，若准确率连续5次大于准确率acc_0，则将准确率acc_0更新为5次准确率的平均值，记录5次准确率中最高一次对应的模型为model_1，从训练集data_0中拿出10％的数据放入测试集data_1中，用模型model_1预测测试集data_1的伪标签，更新测试集data_1的伪标签，重复步骤4。