基于因果推理的半监督图像分类方法

摘要

本发明公开了一种基于因果推理的半监督图像分类方法，主要解决现有方法依赖有标签数据、盲目学习导致模型分类性能不佳的问题。其实现方案为：1)建立结构化因果模型分析图像分类问题；2)获取包含不同数量有标签样本的半监督训练集；3)构建深度神经网络模型，并利用半监督训练集中的有标签数据对其进行有监督训练，利用半监督训练集中所有数据根据一致性准则对模型进行训练；4)基于CAM生成背景掩膜，再通过其与原图按位相乘得到新样本集；5)利用新样本集中的数据依据因果一致性准则训练得到最终分类网络模型。本发明通过减少背景信息对分类结果的影响，能够在有标签样本数量不足的情况下有效提升分类准确率。