基于细粒度分析的不均衡图像分类算法

摘要

针对细粒度属性图像具有复杂性和多样性，传统的图像分类方法在关注图像细粒度属性方面存在不足，并在处理不均衡数据集时表现不佳的问题，提出了一种基于深度度量学习的细粒度图像阈值分类算法。通过引入度量学习方法增强对图像细粒度属性的关注。同时，通过应用成对损失和代理损失，提高了模型的分类准确性并加快了模型的收敛速度。为了应对数据不均衡问题，设计了一个基于阈值分析的分类器。该分类器利用阈值分析技术实现了对细粒度图像的多级分类，从而改善了在不均衡数据集中少数类别分类准确性较低的问题。实验结果表明，本文所提出的基于深度度量学习的细粒度图像阈值分类算法在分类准确性方面显著优于其他方法。

关键词

计算机应用 / 深度度量学习 / 细粒度分类 / 不均衡数据 / 阈值分类器