一种长尾数据识别模型的优化方法及系统

1.一种长尾数据识别模型的优化方法，其特征在于，所述方法包括如下步骤：获取初始长尾数据集，并基于所述初始长尾数据集构建初始识别模型；基于所述初始长尾数据集并通过少数类超采样策略生成混合图像；计算得到所述混合图像的类相关加权显著图，所述类相关加权显著图的计算公式如下： ，式中： 表示相对于类别C的最终得分； 表示第d通道的特征映射；i和j分别表示特征映射中的坐标； 表示 的权重； 表示A在通道d中，坐标为ij位置处的数据；Z表示特征映射的宽度*高度；根据所述类相关加权显著图为所述混合图像分配标签权重，包括如下步骤：根据预设的显著阈值设置所述类相关加权显著图中的显著分区；基于所述显著分区的分区比例为所述混合图像分配标签权重；通过所述类相关加权显著图优化所述初始识别模型，以使所述初始识别模型增强类相关区域特征的显著性，包括如下步骤：将所述类相关加权显著图代入所述初始识别模型；通过所述初始识别模型中的激活函数激活所述类相关加权显著图，得到激活结果；结合所述激活结果和预设的特征阈值计算得到增强掩码；通过所述增强掩码优化所述初始识别模型，以使所述初始识别模型增强类相关区域特征的显著性。 2.根据权利要求1所述的长尾数据识别模型的优化方法，其特征在于，在所述通过所述初始识别模型中的激活函数激活所述类相关加权显著图，得到激活结果之后还包括如下步骤：获取所述初始识别模型中类别C的训练样本数；基于所述训练样本数计算得到损失阈值；结合所述激活结果和所述损失阈值计算得到丢弃掩码；通过所述丢弃掩码优化所述初始识别模型，以使所述初始识别模型丢弃最具类别性的特征。 3.一种长尾数据识别模型的优化系统，其特征在于，所述系统包括：模型创建模块，用于获取初始长尾数据集，并基于所述初始长尾数据集构建初始识别模型；图像生成模块，用于从所述模型创建模块获取所述初始长尾数据集，基于所述初始长尾数据集并通过少数类超采样策略生成混合图像；显著计算模块，预设有类相关加权显著图的计算公式，用于获取所述图像生成模块所生成的所述混合图像，并计算得到所述混合图像的类相关加权显著图；所述显著计算模块中预设的类相关加权显著图的计算公式如下： ，式中： 表示相对于类别C的最终得分； 表示第d通道的特征映射；i和j分别表示特征映射中的坐标； 表示 的权重； 表示A在通道d中，坐标为ij位置处的数据；Z表示特征映射的宽度*高度；权重分配模块，用于获取所述显著计算模块所计算得到的所述类相关加权显著图，并根据所述类相关加权显著图为所述混合图像分配标签权重；所述权重分配模块包括：分区设置单元，预设有显著阈值，用于获取所述显著计算模块所计算得到的所述类相关加权显著图，并根据所述显著阈值设置所述类相关加权显著图中的显著分区；权重分配单元，用于根据所述分区设置单元所设置的所述显著分区的分区比例，为所述混合图像分配标签权重；模型优化模块，用于获取所述显著计算模块所计算得到的所述类相关加权显著图，并通过所述类相关加权显著图优化所述初始识别模型，以使所述初始识别模型增强类相关区域特征的显著性；所述模型优化模块包括：激活单元，用于将所述类相关加权显著图代入所述初始识别模型，并通过所述初始识别模型中的激活函数激活所述类相关加权显著图，得到激活结果；掩码计算单元，预设有特征阈值，用于结合所述激活结果和所述特征阈值计算得到增强掩码；增强优化单元，用于通过所述增强掩码优化所述初始识别模型，以使所述初始识别模型增强类相关区域特征的显著性。 4.根据权利要求3所述的长尾数据识别模型的优化系统，其特征在于，所述系统还包括特征扩展模块，所述特征扩展模块包括：数据获取单元，用于获取所述初始识别模型中类别C的训练样本数；第一计算单元，用于根据所述训练样本数计算得到损失阈值；第二计算单元，与所述激活单元和所述第一计算单元连接，用于结合所述激活结果和所述损失阈值计算得到丢弃掩码；丢弃优化单元，用于通过所述丢弃掩码优化所述初始识别模型，以使所述初始识别模型丢弃最具类别性的特征。