一种基于视觉语言模型和细粒度扩充策略的噪声标签清洗方法

本发明公开了一种基于视觉语言模型和细粒度扩充策略的噪声标签清洗方法，属于计算机视觉技术领域，包括：对于初始噪声数据集，使用视觉语言模型筛选干净子集，使用初始噪声数据集预训练两个DNN模型；对预训练后的两个DNN模型执行细粒度扩充策略的半监督训练；具体地，更新历史序列，并基于干净子集构建每个DNN模型的干净子集和噪声子集，以利用对方的干净和噪声子集，对预训练后的两个DNN模型进行半监督训练，生成干净子集DFExp；基于干净子集DFExp和初始噪声数据集，对经过半监督训练后的两个DNN模型进行循环MixFix训练，直至输出训练后的DNN模型，对待处理图像进行分类。本发明能够提升图像分类的准确性和效率，以及提高在复杂噪声环境下的适用性和鲁棒性。