基于数据集蒸馏的噪声标签学习方法

本发明公开了一种基于数据集蒸馏的噪声标签学习方法，属于计算机视觉及人工智能领域。该方法无需依赖标签修正或干净子集，通过结合样本选择机制与教师模型动态信息进行联合优化；引入选择性引导重加权机制，融合全局遗忘模式与局部特征一致性，在蒸馏过程中显式抑制噪声样本；同时引入教师辅助正则化机制，利用教师模型的中间训练动态增强蒸馏样本的监督信号，实现鲁棒的数据压缩与特征学习。本发明方法适用于对称噪声、非对称噪声及真实噪声等多种场景，具备标签保留、计算高效、隐私友好等特点。本发明克服了现有噪声标签学习方法中计算复杂、训练不稳定、依赖干净锚点等问题。