一种基于特征簇中心压缩的图像分类方法

专利主权项内容

搜索马 克 数 据 网 1.一种基于特征簇中心压缩的图像分类方法，其特征在于，包括以下步骤：基于原始的不平衡数据集获取多种类别的原始特征簇并按类别进行扩张，获得对应的扩张特征簇；基于所述扩张特征簇训练骨干网络与分类器；将原始特征簇移动过程与知识蒸馏机制集成，结合训练后的骨干网络与分类器获得教师模型；原始特征簇移动操作包括：计算各类别训练样本特征均值获得对应类别原始特征簇的质心点；基于扩张因子，计算扩张过程中各类别原始特征簇的质心点与对应扩张特征簇中心偏离的距离，将原始特征簇朝着扩张特征簇中心移动所述距离，完成原始特征簇移动操作；构建教师模型指导学生模型的知识蒸馏机制与联合损失函数，通过采样器和联合损失函数为所述学生模型训练新的骨干网络，基于联合损失函数与所述教师模型对学生模型进行迭代训练，采用训练完成后的学生模型进行图像分类；学生模型进行迭代训练的过程包括：将原始特征簇移动的过程集成到知识蒸馏框架中，作为教师模型并继承训练好的骨干网络与分类器，学生模型通过KL散度学习所述教师模型的特征分布信息；在蒸馏阶段使用逐步平衡的采样器为学生模型训练另一个骨干网络，所述采样器在训练的迭代过程中逐渐减少多数类的采样概率并增加少数类的采样概率，直至趋于均匀。