一种基于对比学习的图像分类方法

本发明公开了一种基于对比学习的图像分类方法，包括：图像通过随机数据增强操作与特征提取，得到特征向量；计算负样本集中图像的特征向量与正样本集中相应图像的特征向量的余弦相似度，作为两个特征向量间的距离，根据特征向量距离划分正、负样本集；将所有图像输入神经网络编码器，编码后得到初始特征表示向量；将初始特征表示向量输入神经网络映射头，再次提取特征，并映射至对比损失空间，计算对比损失函数，得到最终特征表示向量；最佳特征表示向量使用线性分类器分类，得到分类结果。本发明能通过使用样本距离判断机制来提升获取特征的质量，关注更加有效的特征信息，进而提高分类精度。