一种基于层次学习的长尾分布图像识别方法

摘要

本发明公开了一种基于层次学习的长尾分布图像识别方法，包括步骤：1)使用预训练模型提取长尾分布图像数据中每个对象的视觉特征；2)依据视觉特征构建类与类之间的层次超类树关系；3)依据层次超类树关系搭建层次超类树神经网络模型；4)使用基于层次学习的方式训练层次超类树神经网络模型；5)用训练好的层次超类树神经网络模型对长尾分布图像数据进行识别。本发明首次将长尾图像识别问题转变成由易到难的层次超类学习问题，可有效缓解长尾分布中类别分布不平衡以及少数类识别准确率低的问题。此外，本发明在其它不同不平衡程度的数据环境中也有优秀的分类识别性能，因而本发明具有实际应用价值，值得推广。