一种基于类别自适应的动态标签分布阈值的鲁棒分类方法及装置

本发明提出了一种基于类别自适应的动态标签分布阈值的鲁棒分类方法及装置。该方法基于CNN模型提取噪声训练数据的特征并输出类别预测结果，根据标签类别将可信数据队列中的数据进行分组，并计算每个噪声训练数据的标签分布；基于标签分布自适应地更新类别层面的标签分布阈值；然后基于标签分布阈值将训练数据划分为干净数据子集、纯化数据子集以及噪声数据子集；然后在子集中应用不同的正则化策略和损失函数，基于总损失函数更新模型参数，同时基于小损失选择准则从干净数据子集中挑选出一批数据更新可信数据队列；最后，训练得到分类模型用于预测未见数据的真实类别。本发明能够准确地检测出包含标签噪声的数据，并进行有效的分类模型的鲁棒训练。