[发明专利]一种基于深度学习多权重损失函数的数据均衡方法

摘要

本发明涉及一种基于深度学习多权重损失函数的数据均衡方法，应用深度学习模型的训练过程中，首先获取目标图像数据集，根据目标数据集确定数据样本的类别数目C和每类样本量Ni，确定超参数α、γ和每一类别样本重要性的加权系数Ci，确定多权重损失函数MWLfocal(z,y)，并利用神经网络模型不断迭代训练，同时在训练过程中使用多权重损失函数进行误差计算，并使用反向传播算法，不断更新模型的权重参数，直至网络收敛达到预期目标，最终完成训练。利用此损失函数不仅可以同时处理不同数据类别的样本数量不均衡问题和分类难度不均衡问题，还可以进一步提高关键类的检测准确率，可以应用于存在数据不均衡问题的数据集，从而有效缓解类不均衡问题的影响。