[发明专利]一种半监督的图像分类器训练方法

权利要求书

1.一种半监督的图像分类器训练方法，其特征在于：包括以下步骤：

S1：初始化分类器，包括分类器结构初始化和分类器权重初始化；

S2：获取图像数据，以网络爬虫为方法大量获取包含所需数据的图像数据；

S3：对数据分类和标记；

S4：迭代更新分类器；

S5：判断是否结束程序或继续迭代：即判断分类器精度是否达到要求，是则至步骤S3，否则结束程序。

2.根据权利要求1所述的一种半监督的图像分类器训练方法，其特征在于：所述步骤S1包含以下步骤：

S1.1：初始化分类器结构，如采用深度卷积神经网络为分类器结构；

S1.2：用初始化函数初始化分类器权重，或者使用ImageNet数据集预训练图像分类器；

S1.3：保存分类器参数作为最新的分类器。

3.根据权利要求1或2所述的一种半监督的图像分类器训练方法，其特征在于：所述步骤S2包括以下步骤：

S2.1：用人工采集补充图像数据；

S2.2：用网络爬虫的方法从互联网爬取对应需求的图像数据；

S2.3：将获取的有标签的图像数据按标签保存至有标签图像数据库，将无标签的图像数据保存至无标签图像数据库。

4.根据权利要求1或2所述的一种半监督的图像分类器训练方法，其特征在于：所述步骤S3包括以下步骤：

S3.1：用当前的分类器，分别对噪声图像数据库和可信图像数据库进行分类和标记；

S3.2：将数据按可信度分别存放至噪声图像数据库和可信图像数据库。

5.根据权利要求1或2所述的一种半监督的图像分类器训练方法，其特征在于：所述步骤S4包括以下步骤：

S4.1：使用可信图像数据库的图像数据调整当前分类器的参数；

S4.2：计算分类器是否得到了优化，若是，则保留分类器参数；若否，则到步骤S4.3；

S4.3：判断分类器是否还能优化，若是，则到步骤S5，若否，则不更新当前保存的分类器参数。