基于加權(quán)分類和樣本合成的卷煙圖像精細(xì)識(shí)別

打開(kāi)文本圖片集

摘要：為解決采集的卷煙圖像數(shù)據(jù)類別分布不均衡、樣本數(shù)量少帶來(lái)的識(shí)別率低的問(wèn)題，提出了一種基于加權(quán)分類損失和樣本合成的卷煙圖像精細(xì)識(shí)別模型。針對(duì)類別數(shù)量長(zhǎng)尾分布問(wèn)題，設(shè)計(jì)了一種新型的加權(quán)分類損失函數(shù)，用于增強(qiáng)對(duì)不同卷煙類別的學(xué)習(xí)能力；針對(duì)部分卷煙類別樣本數(shù)量少，在不增加采集成本情況下提出了一種高質(zhì)量卷煙虛擬樣本生成方法，極大地緩解了某些卷煙數(shù)據(jù)量不足、識(shí)別精度低下的問(wèn)題。（剩余10581字）