计算机应用

作者：傅泰铭, 陈燕, 李陶深

单位：广西大学 计算机与电子信息学院，南宁 530004

关键词：线性分配,难负样本挖掘,度量学习,细粒度图像识别,孪生神经网络

基金：国家自然科学基金资助项目(61762008);广西重点研发计划项目(AB17195014)

科学家依靠鲸鱼尾巴的形状及其独特的标记来识别鲸鱼的种类，但靠人眼识别和手工标注的过程非常繁琐。而且鲸鱼尾巴照片数据集存在数据分布不均衡的特点，其中个别种类样本数量极少，甚至仅有一份；同时样本个体差异较小，并且包含未知类别，导致以图像分类的方式完成鲸鱼身份的自动标注存在困难。为解决度量学习在该任务下难以分类的问题，在孪生神经网络（SNN）的基础上，利用线性分配问题（LAP）算法进行难负样本挖掘训练过程从而动态地构筑训练批次。首先对训练样本提取图像特征向量，并计算特征向量的相似性度量；然后通过LAP为模型分配样本对，根据度量分数矩阵动态地构筑训练样本批次，针对性地训练困难样本对。在一个数据分布不平衡的鲸鱼尾巴图像数据集和CUB-200-2001数据集上得到的实验结果表明，所提算法在少数类学习和细粒度图像分类上能取得良好的效果。

来源：2020年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第2期