1 上海工程技术大学,电子电气工程学院
2 上海市数据智能技术及其应用协同创新中心
3 上海市制造业数字化转型设计与验证专业技术服务平台,上海 201000
在图像识别的实际应用中, 不考虑人为平衡的因素, 其训练数据往往遵循长尾类分布。针对基于深度学习的长尾图像识别算法识别效果不佳, 中、尾部类别识别准确率不理想的问题, 提出了一种个性化专家识别算法(PMRA)。首先, 在残差网络的基础上集成多个分支构建多专家网络; 接着, 通过为不同专家分配个性化训练数据构建个性化学习模块以提高中、尾部类别的识别准确率, 通过专家信息融合反馈构建个性化信息增强模块处理中、尾部类别信息不足问题;在融合多个模块的专家网络中, 通过两阶段的学习来提高长尾图像的整体识别准确率; 最后, 在CIFAR-10-LT,CIFAR-100-LT,ImageNet-LT,iNaturalist2018基准数据集上的实验结果表明, 该算法在多个数据集上的识别准确率相比其他算法均有较大提升。
图像识别 深度学习 长尾分布 集成学习 个性化学习 image recognition deep learning long-tailed distribution ensemble learning personalized learning
1 北京师范大学 人工智能学院, 北京 100875
2 济南大学 信息科学与技术学院, 山东 济南 250002
为了解决脉冲星识别研究局限在常规分类算法的视野中而缺乏针对性的问题, 文章针对脉冲星数据集的特点, 挖掘其内在特征与其他研究领域的关联性, 发现了脉冲星数据与长尾分布之间存在的联系, 探求脉冲星数据与长尾分布的特征一致性, 首次将脉冲星数据分布看作长尾分布的一种特例。并从长尾视觉识别视角中的优化训练策略角度出发, 提出了一种基于解耦训练策略的脉冲星识别算法。算法采用解耦训练策略, 在操作上简捷高效, 具备更强的可移植性。经过数据集的验证, 算法能有效改善决策边界, 在HTRU_bands和HTRU_ints数据集的召回率相较于对比方法分别提升了11.8%和13%, 是一种性价比较高的有效识别算法。
脉冲星识别算法 长尾分布 解耦训练 pulsar recognition algorithm long-tail distribution decoupling training
