基于视觉语言模型的无监督图像分类训练方法、系统及介质

本发明揭示一种基于视觉语言模型的无监督图像分类训练方法、系统及介质，涉及计算机技术领域，包括以下步骤：建立无人工标注分类标签的训练数据集D和人工专家标注分类标签的测试集；基于视觉语言模型对训练数据集进行零样本推理，获得伪标签；利用多视角一致性策略对伪标签进行筛选，得到第一训练子集Dir；利用分类‑聚类结果一致性策略筛选，得到第二训练子集Dl；采用高置信度交叉监督学习方法，利用第二训练子集Dl和其余的无标注训练子集Du训练图像分类模型；保存训练得到的图像分类模型对测试集中的样本进行测试，技术效果：不需要人工标注并实现高准确率分类，降低噪声标签对模型训练的负面影响，随机混合的方式训练模型，可增强模型的泛化能力。