公开(公告)号：CN114863193B

公开(公告)日：2022-12-02

申请号：CN202210794485.0

申请日：2022-07-07

Applicant: 之江实验室

Inventor： 程乐超 ,  方超伟 ,  李根

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了基于混合批归一化的长尾学习图像分类、训练方法及装置，训练方法通过构建混合标准化分支和分裂标准化分支，得到对应标准化后的特征向量，再通过双分支学习框架，将经强增强和弱增强的样本图像输入标准化分支后，进行图像分类，通过分类结果计算两个分支分类预测的相似性最大化损失以及用平衡交叉熵损失来计算分类损失，优化双分支框架对应的网络参数。混合标准化分支能够更全面地对特征空间进行建模，减轻头部类的主导地位，分裂标准化分支能够多样化估计高斯分布，使高斯分布更全面地拟合尾部类别的训练样本，图像分类方法及装置则是利用训练好的混合标准化分支进行图像分类。

公开(公告)号：CN114863193A

公开(公告)日：2022-08-05

申请号：CN202210794485.0

申请日：2022-07-07

Applicant: 之江实验室

Inventor： 程乐超 ,  方超伟 ,  李根

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了基于混合批归一化的长尾学习图像分类、训练方法及装置，训练方法通过构建混合标准化分支和分裂标准化分支，得到对应标准化后的特征向量，再通过双分支学习框架，将经强增强和弱增强的样本图像输入标准化分支后，进行图像分类，通过分类结果计算两个分支分类预测的相似性最大化损失以及用平衡交叉熵损失来计算分类损失，优化双分支框架对应的网络参数。混合标准化分支能够更全面地对特征空间进行建模，减轻头部类的主导地位，分裂标准化分支能够多样化估计的高斯分布，使高斯分布更全面地拟合尾部类别的训练样，图像分类方法及装置则是利用训练好的混合标准化分支进行图像分类。