一种基于形状大模型的样本均衡方法

本发明涉及一种基于形状大模型的样本均衡方法，包括以下步骤S1、对样貌特征进行提取；并将得到特征进行拼接，拼接得到的特征向量即为样貌特征；S2、类内聚类；将每一类中的样本，基于样貌特征，使用k‑means算法进行聚类；S3、类间子类聚类；每一类经过k‑means聚类后获得子类，将子类的中心再进行聚类；S4、计算各子类增删数量；S5、样本精简以及样本增强。本发明通过训练出基于形状的大模型，再结合文本与图像间相互转换的信息，生成具有较强可分性的特征，结合机器学习算法筛选样本，使得样本在类别与样貌上分布均匀；通过均衡各类别与样貌的样本，获得了质量更高，更具代表性的的样本，提升了训练数据的质量，从而提高了模型效果的上限。