基于双域对比学习与样本自适应增强的二维码图像分类方法

本发明涉及一种基于双域对比学习与样本自适应增强的二维码图像分类方法，属于半监督图像分类领域。所述方法，设计双域对比学习模块(Freq‑MOCO)。该模块在特征域和频率域并行进行对比学习，其中，特征域学习主要关注图像的空间特征，而频率域学习则聚焦于频谱特征及全局结构信息。此外，还设计了样本自适应增强模块（SAA），通过识别简单样本并对其进行更加多样化的增强，进一步提升这些样本的学习效果。SAA模块利用历史损失信息选择出简单样本，并对其应用更为丰富的增强策略，确保即便是原本未能有效促进模型学习的样本，也能通过多样化增强方式对模型训练产生积极影响。本发明算法比新近的几种算法性能更好。