[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

说明书

本发明提供了一种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；根据损失值将训练集样本划分为干净样本和噪声样本；当训练集样本为干净样本时，将干净样本的原始标签进行保留；当训练集样本为噪声样本时，获取热启动阶段训练集样本的输出值；对训练集样本的输出值中对应相同标签的数值进行计算得到集成输出值；根据集成输出值从若干个不同的原始标签中为噪声样本选取多个候选标签；利用干净样本和噪声样本对热启动阶段之后模型进行训练得到目标模型。本发明还提供了一种基于偏标记学习的系统、计算机可读存储介质以及计算机设备。

技术领域

本发明涉及机器学习领域，尤其涉及一种基于偏标记学习模型的图片标签识别方法、计算机可读存储介质以及计算机设备。

背景技术

传统的监督学习算法是从大量的训练样本中学习出一个模型用于预测新的未知样本的标签。训练数据所对应的标签质量对于学习效果至关重要。如果学习时使用的标签数据都是不准确的，那么不可能训练出有效的预测模型。同时，深度学习使用的神经网络往往结构复杂，为了得到良好的学习效果，对于带标签的训练数据的数量也有较高要求，即常被提到的大数据或海量数据。在实际应用场景中，给数据打标签这个工作在很多场景下需要人工实现，从而使得获得海量、高质量标签变得费时费力，而且由于分类任务本身具有的主观性，实际的训练样本一般含有噪声标签，即训练样本的真实标签并不是其训练给定的标签。其次，由于物力，时间的成本，导致获取大量带有准确标签的样本在经济上相对昂贵。

实际应用中，我们拿到的每一个带标签数据集都是包含噪声的。进一步，由于样本量很大，对于每一个带标签数据集，不可能人工逐个检查并校正标签。由于许多工作已经从理论和实验层面证明了标签噪声会对模型产生严重的负面影响。因此，机器学习问题必须面对噪音标签的影响。

因此，如何减少噪声标签对于模型泛化能力的影响，得到一种基于偏标记学习的模型训练方法是亟需解决的问题。

发明内容

本发明提供一种基于偏标记学习模型的图片标签识别方法、计算机可读存储介质以及计算机设备，少噪声标签对于模型泛化能力的影响，提升训练得到的模型的识别能力。

第一方面，本发明实施例提供一种基于偏标记学习模型的图片标签识别方法包括：

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，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，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；

根据损失值将训练集样本划分为干净样本和噪声样本；

当训练集样本为干净样本时，将干净样本的原始标签进行保留；

当训练集样本为噪声样本时，获取热启动阶段训练集样本的输出值；

对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；

根据集成输出值从若干个不同的原始标签中为噪声样本选取多个候选标签；

利用干净样本和噪声样本对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，噪声样本只带有一个原始标签。

第二方面，本发明实施例提供一种基于偏标记学习的系统，该基于偏标记学习的系统包括：

训练集样本划分模块：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，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，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；根据损失值将训练集样本划分为干净样本和噪声样本；