一种基于半监督学习的图像分类模型的构建方法

本发明公开了一种基于半监督学习的图像分类模型的构建方法，属于图像分类技术领域，所述方法通过对无标记图像样本的风险系数进行判断，能够对未标记图像进行细粒度的评估，进而对特征信息比较模糊模型难以区分的图像设置较高的风险系数以使其在模型训练过程中的影响降低；基于集成学习方法和基线模型来保证图像分类模型的性能稳健。具体的，由于无标记图像的存在模型训练过程中会存在不确定性，利用采样技术从原始数据集内构建多个半监督学习子集，并基于子集训练多个图像分类模型作为基学习器，从而创建基学习器池，基于集成学习从基学习器池生成最终的图像分类模型，能够保证模型性能不弱于从已标记图像样本中训练的基线模型。