[发明专利]一种安全可靠的图像分类半监督机器学习方法及装置

摘要

本发明公开了一种安全可靠的图像分类半监督机器学习方法及装置，方法包括：获取目标图像数据集；构建少量的验证图像数据集；对目标数据集中的未标记数据进行赋值并根据机器学习算法在目标数据集上训练得到机器学习模型；计算模型在验证数据集上的预测性能和安全性；更新未标记数据的赋值策略使得训练得到的模型在验证数据集上的预测性能和安全性不断调优，直到收敛。最终训练得到的模型确定为目标图像数据集的机器学习模型。本发明适用于图像分类任务中常见的“数据多但标记少”的数据分析情况。

主权项

1.一种安全可靠的图像分类半监督机器学习方法，其特征在于，具体包括：1)获取目标图像数据集，所述目标图像数据集中的部分图像数据具有标记；2)构建验证图像数据集，所述验证图像数据集上的预测性能和安全性作为评价目标图像数据集标记质量的指标；3)对目标数据集的未标记图像进行标记赋值；4)根据机器学习算法以及机器学习算法对应的未标记数据赋值策略，在目标图像数据集上进行模型训练并在验证图像数据集上进行预测，得到验证图像数据集上的预测结果；5)根据验证图像数据集上的预测性能和安全性更新未标记数据赋值策略，并重新训练模型，直到性能达到最优后结束。6)将最终的模型作用在目标图像数据集上的机器学习模型。