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