基于卷积神经网络和代价敏感的不平衡图像分类方法

来源：计算机应用杂志2018年第7期北京时间：

作者：谭洁帆, 朱焱, 陈同孝, 张真诚

单位：1. 西南交通大学 信息科学与技术学院, 成都 611756;2. 台中科技大学 资讯工程系, 台湾 台中 404;3. 逢甲大学 资讯工程系, 台湾 台中407

摘要：针对不平衡图像分类中少数类查全率低、分类结果总代价高，以及人工提取特征主观性强而且费时费力的问题，提出了一种基于Triplet-sampling的卷积神经网络（Triplet-sampling CNN）和代价敏感支持向量机（CSSVM）的不平衡图像分类方法——Triplet-CSSVM。该方法将分类过程分为特征学习和代价敏感分类两部分。首先，利用误差公式为三元损失函数的卷积神经网络端对端地学习将图像映射到欧几里得空间的编码方法；然后，结合采样方法重构数据集，使其分布平衡化；最后，使用CSSVM分类算法给不同类别赋以不同的代价因子，获得最佳代价最小的分类结果。在深度学习框架Caffe上使用人像数据集FaceScrub进行实验。实验结果表明，所提方法在1∶3的不平衡率下，与VGGNet-SVM方法相比，少数类的精确率提高了31个百分点，召回率提高了71个百分点。

关键词：卷积神经网络,代价敏感,图像分类,数据平衡,支持向量机

基金资助：四川省学术和技术带头人后备人选科研基金资助项目（WZ0100112371408，YH1500411031402）；四川省学术和技术带头人科研基金资助项目（WZ0100112371601/004）；四川省科技服务业示范项目（2016GFW0166）。