科研之友
微信
新浪微博
Facebook
分享链接
摘要
细粒度属性分析和数据不均衡问题一直是计算机视觉领域的研究热点。由于细粒度属性图像的复杂性和多样性，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。为了克服这些问题，本研究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，来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，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。
- 单位
