[发明专利]基于偏标记学习模型的图片标签识别方法、介质及设备

权利要求书

1.一种基于偏标记学习模型的图片标签识别方法，其特征在于，所述基于偏标记学习模型的图片标签识别方法，具体包括：

加载基于偏标记学习的模型训练方法得到目标模型；

将待识别图片输入所述目标模型获取识别结果，所述待识别图片带有一个原始标签；

其中，基于偏标记学习的模型训练方法包括：

利用训练集对原始模型进行训练，在热启动阶段，记录每一个训练集样本的输出值和损失值，所述训练集样本带有若干个不同的原始标签，一个训练集样本带有一个原始标签，所述输出值包括与若干个不同的原始标签一一对应的多个数值，所述训练集为若干图片的集合；

根据所述损失值将所述训练集样本划分为干净样本和噪声样本；

当所述训练集样本为所述干净样本时，将所述干净样本的原始标签进行保留；

当所述训练集样本为所述噪声样本时，获取热启动阶段所述训练集样本的输出值；

对所述训练集样本的输出值中对应相同原始标签的数值进行相加得到集成输出值；

根据所述集成输出值从若干个不同的原始标签中为所述噪声样本选取多个候选标签；

利用所述干净样本和所述噪声样本对所述热启动阶段之后模型进行训练得到目标模型，其中，在得到目标模型时，所述噪声样本只带有一个原始标签。

2.如权利要求1所述的基于偏标记学习模型的图片标签识别方法，其特征在于，根据所述损失值将所述训练集样本划分为干净样本和噪声样本，具体包括：

根据所述损失值对所述训练集样本进行排序得到排序训练集样本；

获取所述干净样本的取样范围；

判断所述训练集样本是否在所述取样范围内；

当所述训练集样本在所述取样范围内时，将所述训练集样本划分为所述干净样本；或者

当所述训练集样本不在所述取样范围内时，将所述训练集样本划分为所述噪声样本。

3.如权利要求1所述的基于偏标记学习模型的图片标签识别方法，其特征在于，在利用所述干净样本和所述噪声样本对所述热启动阶段之后模型进行训练得到目标模型之前，还包括，所述每一个噪声样本的多个候选标签在训练过程中根据每一次训练的输出值进行更新，具体包括：

获取热启动阶段之后模型训练过程中所述噪声样本的输出值；

根据所述噪声样本的多个候选标签对所述噪声样本的输出值进行归一化处理；以及

当经过归一化处理的输出值中某一个值达到预设标准时，根据达到预设标准的值更新多个候选标签至只剩下一个原始标签作为候选标签。

4.如权利要求1所述的基于偏标记学习模型的图片标签识别方法，其特征在于，所述干净样本直接用于所述目标模型的训练。

5.如权利要求1所述的基于偏标记学习模型的图片标签识别方法，其特征在于，所述原始模型为Resnet-32。

6.如权利要求1所述的基于偏标记学习模型的图片标签识别方法，其特征在于，利用训练集对原始模型进行训练，在热启动阶段，记录每一个训练集样本的输出值和损失值之前，还包括：

将原始图片进行随机旋转生成第一数据增强图片；

将所述原始图片进行随机裁剪一部分生成第二数据增强图片；以及

将所述第一数据增强图片和所述第二数据增强图片组成所述训练集。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有能够被处理器加载并执行的程序指令，所述程序指令被所述处理器执行以实现如权利要求1～6任意一项所述的 基于偏标记学习模型的图片标签识别方法。

8.一种计算机设备，其特征在于，所述计算机设备包括：

存储器，用于存储程序指令；以及

处理器，用于执行所述程序指令以使所述计算机设备实现如权利要求1～6任意一项所述的基于偏标记学习模型的图片标签识别方法。