一种利用预测不一致样本的伪标签增强训练方法

本申请提供一种利用预测不一致样本的伪标签增强训练方法，涉及深度学习技术领域，该方法包括：第一阶段，由真实标签训练集训练初始模型获得第一模型；第二阶段，由基线伪标签选择方法构建基线伪标签训练集，并与真实标签训练集构成目标训练集训练第一模型获得第二模型，保存每轮训练后的第一模型对无标签数据的预测分布为历史预测数据；第三阶段，从历史预测数据中筛选具有预测不一致性的无标签数据作为伪标签数据，其伪标签为第二模型预测的类别，预测不一致性指无标签数据的预测标签先后稳定在两个类别；以伪标签数据和目标训练集组成增强训练集训练初始模型，获得最终模型。旨在提供经过多样特征伪标签数据训练的模型，以提升最终模型性能。