一种基于人工合成数据过采样技术的不平衡物体识别方法

摘要

本发明公开了一种基于人工合成数据过采样技术的不平衡物体识别方法，基于源领域和目标领域的少数类训练样本配对来进行人工合成少数类样本，实现了跨领域间少数类样本的人工合成，进一步提高了少数类训练样本的类内多样性。为了有效地避免跨领域人工合成数据导致的源领域知识负迁移，依据源领域少数类样本在目标领域的k个近邻样本中所包含的所述目标领域多数类训练样本数量，将源领域少数类训练样本分为孤立型、危险型、安全型三种类型。本发明在图像分类器训练的数据预处理阶段通过人工合成少数类训练样本的方法，再平衡训练数据的类标签分布，解决了类绝对不平衡条件下的二分类物体识别中遇到的分类器有偏性、易于过拟合等问题。