一种神经网络特定误分类修复模型的构建方法

本发明涉及一种神经网络特定误分类修复模型的构建方法，属于误分类修复技术领域，解决了现有技术中模型的特定类别区分能力与原始分类准确率不平衡的问题。具体步骤包括：将原始训练集输入通用特征提取器进行特征提取，并将提取的多维特征输入分类器进行图像分类，经训练得到初始神经网络模型；基于在原始训练集中筛选的特定训练集训练得到专用特征提取器；对比两个特征提取器输出的特征，定位扭曲特征并构建特征映射模型，用于对提取的多维特征进行扭曲特征修复；基于重新标签的原始训练集所对应的多维特征训练验证器，利用验证器将被误分类为F类标签的样本数据修复为T类标签，平衡了特定误分类(T→P)的修复与原始分类的准确性。