一种基于改进的Focal损失函数的图像识别方法

摘要

本专利公开了一种基于改进的Focal损失函数的图像识别方法，在已有的Focal损失函数的基础上，对Focal损失函数的调制因子进行改进，使函数对困难样本的关注度更高，对简单样本的关注度相对下降；然后，在基于Focal损失函数的卷积神经网络模型的基础上，对剩余负样本集进行预测，筛选所有困难样本，并分成N等份，分别加入原训练集，形成N个新训练集，之后训练多个模型，根据N个模型的投票选择，确定最终预测图片标签的结果。本发明在原有的Focal损失函数的基础上，对困难样本的关注度更高，提高了模型泛化能力；在负样本过多的情形下，利用原有模型筛选出困难样本加入训练集，既提高了模型的准确性，又充分利用了可用样本，也减少了训练模型时的计算量。