[发明专利]一种基于深度学习的含噪声标签图像的分类方法

摘要

本发明公开一种基于深度学习的含噪声标签图像的分类方法，涉及图像分类技术领域，本发明的方法包括如下步骤：步骤1，对语义元数据集和图像数据集进行数据提纯得到baseline数据集；步骤2，基于baseline数据集训练baseline模型，通过训练好的baseline模型提取baseline数据集的特征信息；步骤3，通过层次聚类对特征信息进行聚类，得到新的数据类别；步骤4，基于新的数据类别对baseline数据集进行重新划分，得到分类数据集data；步骤5，最后基于data数据集使用short_inception网络训练出最终的分类模型；步骤6，根据最终的分类模型对含噪声标签图像进行分类。本发明解决了现有的含噪声标签图像的分类方法无法适用于大数据集的问题。

主权项

1.一种基于深度学习的含噪声标签图像的分类方法，其特征在于，包括如下步骤：步骤1：对语义元数据集和图像数据集进行数据提纯得到baseline数据集；数据提纯的具体步骤包括获取词向量和图片向量、将这两个向量进行权值连接得到综合向量、将综合向量传入混合距离相似度算法中、最后计算得到各个数据的相似度；其中词向量为所有子词向量、词均值向量串联而成；步骤2：基于baseline数据集训练baseline模型，通过训练好的baseline模型提取baseline数据集的特征信息；步骤3：通过层次聚类对特征信息进行聚类，得到新的数据类别；步骤4：基于新的数据类别对baseline数据集进行重新划分，得到分类数据集data；步骤5：最后基于data数据集使用short_inception网络训练出最终的分类模型；short_inception网络结构包括输入层、三层s_inception块、全连接层fc和输出层，s_inception块与s_inception块之间使用了的短连接层short_cut，s_inception块包括输入层、卷积核、池化层和concat层；步骤6：根据最终的分类模型对含噪声标签图像进行分类。