一种数据分类方法、系统及电子设备与流程

文档序号:36931637发布日期:2024-02-02 21:56阅读:来源:国知局

技术特征:

1.一种数据分类方法,其特征在在于,包括以下步骤:

2.根据权利要求1所述的数据分类,其特征在于,所述获取待测数据集,并对数据集进行预处理的步骤为:

3.根据权利要求2所述的数据分类,其特征在于,所述获取待测数据集,并对待测数据集中各图像进行矫正的步骤包括:

4.根据权利要求2所述的数据分类方法,其特征在于,所述构建基于cbam的数据分类模型,并利用预处理后的待分类数据集训练该数据分类模型,得到训练后的数据分类模型的步骤为:

5.根据权利要求4所述的数据分类方法,其特征在于,所述基于cbam模型构建神经网络模型,该神经网络模型包括依次连接的:

6.根据权利要求4所述的数据分类方法,其特征在于,所述根据预处理后的验证样本集评估训练后的神经网络模型的步骤包括:

7.根据权利要求5所述的数据分类方法,其特征在于,所述基于cbam的mbconv层还包括依次连接的:

8.根据权利要求7所述的数据分类方法,其特征在于,所述cbam注意力机制模块用于利用通道注意力特征及空间注意力特征对初始特征信息进行修正的步骤包括:

9.一种数据分类系统,其特征在于,包括:

10.一种电子设备,其特征在于,包含权利要求9所述的一种数据分类系统。


技术总结
本发明公开了一种数据分类方法、系统及电子设备,通过获取待分类数据集,并对待分类数据集进行预处理,得到预处理后的待分类数据集;其中,待分类数据集为类别不平衡的数据集;构建基于CBAM的数据分类模型,并利用预处理后的待分类数据集训练该数据分类模型,得到训练后的数据分类模型;利用训练后的数据分类模型对类别不平衡的数据集进行数据分类;本发明通过构建基于CBAM的神经网络模型有效地提升了图像分类准确率,并采用合适的DropPath正则化方法对CBAM注意力机制层提取特征信息进行优化,可进一步提高模型泛化能力;并构建多权重损失函数对基于CBAM的神经网络模型提取地特征函数进行迭代优化,可有效实现数据集地类别均衡化,提升平衡准确率。

技术研发人员:张博韬,黄钊旭,胡成华
受保护的技术使用者:四川用联信息技术有限公司
技术研发日:
技术公布日:2024/2/1
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1