[发明专利]一种基于Mixup的长尾数据增强处理方法

摘要

本发明公开了一种基于Mixup的长尾数据增强处理方法，在训练模型时，先输入原始的长尾数据集(xi,yi)，初始化一个混淆概率矩阵cf为0，在每一轮Batch中，随机得到一个服从Beta分布的参数θ，通过Mixup数据增强生成新的样本并作为模型的输入；由于每次使用Mixup都会引入原始的不平衡分布，这导致Mixup生成的虚拟样本服从一个更不平衡的长尾分布，加剧了数据集的不平衡问题，为了解决这个问题，本发明在损失函数中引入了θ和混淆概率矩阵cf来减轻由Mixup引入的不平衡，通过平衡的损失函数得到模型的总损失，更新模型的参数，直到学习次数大于指定学习次数。本发明适用于自动驾驶场景识别、细粒度级别图像识别等不平衡的图像识别场景。