一种利用目标语义特征优先聚类扩散的细粒度数据集增强方法

本发明公开一种利用目标语义特征优先聚类扩散的细粒度数据集增强方法，旨在解决传统数据增强方法在细粒度分类、长尾数据分布及高成本场景下样本多样性不足、生成质量低效的问题。首先，通过语义分割分离图像前背景并进行特征聚类细化类别分布；其次，采用低秩自适应微调扩散模型构建与聚类匹配的词嵌入增强特征生成；最后，通过随机混合与多轮扩散推断生成高质量增强图像，显著提升样本语义一致性和真实性。本方法优势在于高效适配医疗影像、卫星图像等高成本领域，在保障隐私的前提下显著扩充数据集多样性，提升模型鲁棒性与泛化能力，为细粒度识别任务提供高质量数据支撑。