一种解决标签分布不均衡的多标签分类方法

一种解决标签分布不均衡的多标签分类方法，包括提取数据图像并对其进行预处理标记和分块，将标记和图像块输入主干网络ViT，采用二值交叉熵BCELoss作为损失函数进行模型优化输出特征向量，并将特征向量输入到选择性注意力转移模块，计算所有特征的激活度以及激活平均值，对激活平均值进行抑制缩放，获得新的特征值，并与所述特征向量分别送入不同的分类层进行属性预测，最后采用指数滑动平均进行参数更新，这样可以促使网络学习到更为全面的特征信息。