1.一种面向皮肤医学数据的标签纠错方法，其特征在于，包括以下步骤：

1)使用迁移学习方法将种子数据集加载到GoogleNet:inception V3模型上进行训练，对种子数据集中的各种特征进行学习与计算，得到相对应皮肤疾病的诊断模型；

2)用步骤2)的模型对含有噪音标签的数据集中的所有图像进行测试，总共有N张图像，得到每张图像的置信度；

3)对所有图像的置信度进行降序排序，选择置信度排名在前K的图像，选择原有标签与模型诊断标签一致的图像，将这些图像标识为具有正确标签的图像；选择原有标签与模型诊断标签不一致的图像，并将其标识为错误标签的图像，然后对该图像的标签进行纠正；将纠正后的图像与标签正确的图像添加到增量数据集中，并从原来含有噪音标签的数据集中移除这两部分图像；

4)将种子数据集与增量数据集合并为新的种子数据集，判断含有噪音标签的数据集中是否还有图像，若有，返回执行步骤1)；若没有，则结束。

2.根据权利要求1所述的面向皮肤医学数据的标签纠错方法，其特征在于，步骤1)之前，进行如下操作：在tensorflow平台上加载GoogleNet:inception V3模型。