一种基于希尔伯特-施密特独立性准则的图像分类模型训练方法

本发明公开了一种基于希尔伯特‑施密特独立性准则的图像分类模型训练方法，属于深度学习领域，该方法提出优化视角下的隐式模型设计框架，创新性地将图像分类任务与多尺度表征学习与隐式动态优化过程深度结合，在隐式模型构建中引入希尔伯特独立性准则(HSIC)约束训练策略，实现对图像分类任务中特征独立性、尺度互补性的显式优化调控。该框架不仅突破了传统模型在复杂分类场景下的性能瓶颈，还通过优化目标与模型结构的协同设计，显著提升了分类任务的准确率与泛化能力。