一种基于测试时间自适应的图像分类方法

本发明公开了一种基于测试时间自适应的图像分类方法，涉及计算机视觉技术领域，具体包括：步骤1：对测试图像数据集合进行破坏性转换；步骤2：通过预训练的分类器f得到伪标签概率分布，构建伪标签概率差异损失；步骤3：计算伪标签概率差异分数，根据伪标签概率差异分数筛选测试图像集合，步骤4：将筛选后的图像输入能量模型，从而得到能量分数和概率密度；步骤5：构建能量优化目标；步骤6：通过伪标签概率差异损失和能量优化目标构建联合优化目标，用于训练测试时间自适应模型，以实现图像分类。本发明将伪标签概率差异引入能量模型，分别从能量和形状信息两个角度对测试数据进行感知，提高了模型在测试图像集合上的分类准确度。