面向长尾图像的个性化专家识别算法

摘要

在图像识别的实际应用中,不考虑人为平衡的因素,其训练数据往往遵循长尾类分布。针对基于深度学习的长尾图像识别算法识别效果不佳,中、尾部类别识别准确率不理想的问题,提出了一种个性化专家识别算法(PMRA)。首先,在残差网络的基础上集成多个分支构建多专家网络;接着,通过为不同专家分配个性化训练数据构建个性化学习模块以提高中、尾部类别的识别准确率,通过专家信息融合反馈构建个性化信息增强模块处理中、尾部类别信息不足问题;在融合多个模块的专家网络中,通过两阶段的学习来提高长尾图像的整体识别准确率;最后,在CIFAR-10-LT,CIFAR-100-LT,ImageNet-LT,iNaturalist2018基准数据集上的实验结果表明,该算法在多个数据集上的识别准确率相比其他算法均有较大提升。