基于不确定性选择和对比学习的半监督图像分类方法

本发明涉及一种基于不确定性选择和对比学习的半监督图像分类方法，属于图像处理技术领域。首先，本发明通过衡量模型的不确定性来选择那些置信度高的无标注数据以供模型训练，减少因缺少标注信息带来的伪标签噪声使得模型精度不高的问题；其次，通过对比学习，来拉近正样本距离，推远负样本，以此来获取更好的表征信息；最后，为每个类别维持一个特征原型，通过计算无标注数据表征和特征原型的距离来分配更加正确的伪标签，同时通过对比学习获取的良好表征再通过不确定性选择后，用来更新特征原型，以此形成良性循环。在两个公开数据集上的实验结果表明，本发明算法具有良好的分类性能。