买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种基于生成模型的无偏图像分类方法，减轻图像各个属性之间的虚假关联，得到更公平的图像分类器。包括如下步骤：1利用微调后的图像生成模型和分类标签，得到不同偏见程度的编辑方向；2将不同编辑方向向量合成，得到只对偏见属性进行编辑的编辑方向；3利用此编辑方向，对原始训练集图像进行不同程度的编辑，利用对比学习得到无偏见编码器；4利用无偏见编码器对训练集进行编码，再用无偏编码训练得到无偏分类器。本发明相较于其他无偏图像分类方法，无需得知偏见属性，可同时消除多个偏见属性的影响；同时适用于二分类任务及多分类任务；在多个指标上提升了图像分类器的公平性。

主权项：1.一种基于生成模型的无偏图像分类方法，其特征在于，包括如下步骤：S1.获取一个经过预训练的图像生成模型，所述图像生成模型包括编码器和解码器，将预训练后的图像生成模型在原始有偏见图像训练集上进行微调，所述原始有偏见图像训练集中只包含若干张原始图像以及每张原始图像对应的分类标签，将每张原始图像输入到所述编码器中，每张原始图像对应得到原始潜在编码；S2.将所述分类标签和所述原始潜在编码输入到逻辑回归模型中对逻辑回归模型进行训练，调节优化目标中的正则化强度，得到不同偏见程度原始有偏见图像训练集的分类边界，将分类边界的法向量作为图像编辑方向，进而得到不同偏见程度的图像编辑方向；S3.优化向量合成权重，利用优化后的向量合成权重以及不同偏见程度的图像编辑方向进行向量合成，得到只对偏见属性进行编辑的新编辑方向；S4.利用所述新编辑方向、所述原始潜在编码以及所述图像生成模型对每张原始图像进行不同程度的编辑，每张原始图像得到多张偏见属性不同的编辑图像；S5.获取一个经过训练的无偏图像编码器，所述无偏图像编码器在训练时将所述编辑图像作为训练样本并采用对比学习方式，基于空间距离训练目标对所述无偏图像编码器进行优化，使得所述无偏图像编码器对偏见属性不敏感；S6.利用所述无偏图像编码器对每张原始图像进行编码，每张原始图像对应得到无偏潜在编码；S7.获取一个经过训练的无偏分类器，利用所述无偏潜在编码和所述分类标签对分类器进行训练，并基于最小化交叉熵损失优化分类器，达到指定的迭代次数或者分类器收敛，最终得到所述无偏分类器；S8.将待分类的图像输入到所述无偏分类器中，输出待分类图像的无偏预测标签，实现图像的无偏分类。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于生成模型的无偏图像分类方法