基于非对称增强和置信协同学习的新货品类别发现方法

本发明提供了基于非对称增强和置信协同学习的新货品类别发现方法，涉及计算机视觉与人工智能技术领域，旨在提升其在动态零售环境中对已知和未知货品的识别能力。该方法通过非对称数据增强策略，生成不同强度的图像视图，增强模型对货品外观变化的适应性。同时，采用置信度引导的协同学习机制，动态利用未标记数据中的高置信度样本，减少噪声干扰。此外，针对已知类别的长尾分布问题，引入Logit调整策略，优化分类效果。通过整合多种损失函数，构建多任务学习框架，实现对已知货品的精准识别和未知新货品的自动发现与聚类，显著提高了智能电子秤的智能化水平和实用性。