基于保洁机器人垃圾分类任务的数据重标记算法

现实垃圾数据集通常呈现严重的类别不平衡的长尾分布现象,导致传统深度学习模型在进行垃圾分类和识别任务时存在泛化性不高的问题。为此,提出一种新的数据重标记算法与框架以提升保洁机器人识别、分类垃圾的泛化程度与精确度。该算法包含特征提取、特征聚类、标签映射模块,在训练常用的分类模型时,通过分析数据集的数据分布情况,将特征提取模块的特征向量输入特征聚类模块后为每个类别生成几个子类,并为之分配一个相应的伪标签,以缓解标签层面的数据不平衡问题。同时,在预测时通过标签映射模块,将伪标签转换为真实标签。实验表明,所提算法能在不损失头部类性能的前提下,显著提升垃圾长尾数据集中尾部类的性能,重标记算法能显著提升baseline中不同类别不平衡学习方法在长尾垃圾数据集上的分类精度。