一种特征提取和分类任务分离的数据不均衡处理方法

摘要

本发明公开了一种特征提取和分类任务分离的数据不均衡处理方法，其特征在于，包括步骤一：准备用于模型训练的分类数据集，判定数据是否存在长尾分布；步骤二：利用深度神经网络训练一个包含两个分支网络的模型，模型将表征特征与分类特征动态融合，并进行分类；步骤三：通过测试数据集对模型评估分析，在测试数据集上计算模型的准确率和召回率，通过准确率和召回率的值来判定模型的性能；步骤四：对验证测试好的模型进行部署测试，在真实的场景中，对抓取的类别图片进行分析，统计分析分类的效果。达到在不改变原始数据分布的情况下，很好的解决分类任务中长尾分布的问题的效果。