原型加权对比学习的图像识别方法、系统、设备及介质

本申请涉及机器学习领域，尤其是涉及一种原型加权对比学习的图像识别方法、系统、设备及介质，包括：获取样本特征信息，对样本特征信息进行聚类，得到第一聚类信息；根据两个样本特征信息的第一聚类信息构建聚类一致性损失函数，得到聚类结果；对聚类一致性损失函数进行优化，在聚类结果判断变为可信的情况下，获取负样本特征信息，对负样本特征信息进行聚类，得到第二聚类信息；根据第一聚类信息和第二聚类信息构建加权对比学习损失函数，得到对比结果；根据聚类结果和对比结果构建总损失函数，得到用于梯度反向传播进行更新模型参数的总损失信息，准确区分相似样本，减少学习时资源和时间的使用，提升图像识别的准确性。