[发明专利]一种用于具有长尾分布特性的单猴视频动作分类方法

说明书

本发明提出一种用于具有长尾分布特性的单猴视频动作分类方法，包括步骤一：建立猴子动作数据集；步骤二：构建单猴视频动作分类模型，利用训练集在深度神经网络训练一个包含两个阶段的网络模型，第一阶段提取特征，第二阶段进行分类，然后固定特征提取参数，对分类学习参数进行归一化，学习放缩调节因子以调节分类器参数；步骤三：利用测试集对训练的模型进行评估，确定模型性能；步骤四：将上述训练和验证好的模型进行部署，在实际场景中对视频数据进行分类。本发明通过固定特征提取网络参数，仅对分类学习参数调节来重新平衡分类器的决策边界，以实现长尾分布数据准确性的目的。这种分类方法不需要额外的重训练或重采样或设计特别的损失函数。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种用于具有长尾分布特性的单猴视频动作分类方法。

背景技术

自然界中各种真实的数据通常呈现出不平衡的长尾分布的形态，比如本数据集中猴子蹲坐的频次很高，而向上跳跃和向下跳跃的频次则很低。自然场景中只有少部分类别有大量样本，而其余大本部类别只有少量样本。类别的极度不平衡给深度学习和视觉识别带来极大的挑战，导致基于数据的模型学习被“头部”即样本数量多的类别主导而过拟合，而“尾部”即样本数量少的类别欠拟合，模型结果欠佳且泛化能力很差。因此，解决长尾分布数据的不平衡问题有重要应用前景。

目前主要解决长尾分布不平衡问题的方法主要包括三类：(1)数据重采样，通过“尾部”类别的过采样或“头部”类别的欠采样人工平衡数据后再进行训练学习。(2)类平衡损失，通过给不同类别设定不同的损失函数或设计特别的损失函数解决数据不平衡问题。(3)迁移学习，将在“头部”学习到的特征迁移到“尾部”。现有方法多是针对图像分类，还未有提出针对视频分类的方法，另外现有方法步骤较繁琐，很依赖于平衡后的数据质量或损失函数的设计，且数据重采样后“尾部”类性能的提升往往以牺牲“头部”类的性能为代价，而迁移学习可能会进一步加强不平衡。

因此需要提出一种简单、不需要额外的重采样或重训练且对图像和视频分类都适用的分类方法，使得在长尾分布数据上得到头尾部分类准确性都很高的结果。

发明内容

本发明是为了解决对数据不均衡的猴子的动作视频分类结果不理想问题，提出一种基于分类学习参数归一化的对长尾分布特性的单猴视频数据的分类方法。

具体的，提供了一种用于具有长尾分布特性的单猴视频动作分类方法，其特征在于，所述单猴视频动作分类方法包括以下步骤：

步骤1，构建猴子的动作数据集；

步骤2，通过数据集对深度神经网络进行训练，构建单猴视频动作分类模型；

步骤3：对模型进行评估，判定模型的稳定性和泛化能力；

步骤4：分析分类效果，如果效果不理想可以回到步骤2中进一步训练以得到性能更好的模型；

在步骤S2中，还包括以下步骤：

步骤21，输入符合长尾分布的动作数据集，不进行类平衡采样，直接输入深度神经网络训练进行特征提取；

步骤22，深度神经网络通过线性分类器进行分类；

步骤23，对分类器的参数进行归一化得到最终的分类模型。

更进一步地，在步骤1中，所述动作数据集中第i个数据为X_i＝{x_i，y_i}，其中，x_i为第i个视频，y_i为第i个视频的标签即类别，记n_k为第k类视频的个数，是所有类别视频的总数。

更进一步地，在步骤S21中，所述特征为：

f(x；θ)＝z

其中x为输入的视频数据，θ为深度神经网络参数，z为提取的特征向量。