基于相似度不确定性优化的图像分类方法及系统

本发明公开了一种基于相似度不确定性优化的图像分类方法及系统，属于计算机视觉技术领域。包括：获取待处理图像；通过训练好的图像分类模型对所述待处理图像进行处理，以获取图像分类结果；训练所述图像分类模型时，量化含有噪声的训练集中困难样本和动态类原型之间的相似度不确定性，并与分类损失以及通过训练集中干净样本计算的散度评估损失结合对构建的网络进行反向传播优化。能够从不确定性较高的样本中学习更多具有判别性的信息，提高模型的鲁棒性，解决了现有模型训练时的噪声数据影响模型预测稳定性的问题。