一种SF1-BAGAN图像数据类别平衡增强方法与图像分类方法

本发明涉及深度学习技术领域，具体为一种SF1‑BAGAN图像数据类别平衡增强方法与图像分类方法。本发明针对垃圾图像数据集的类别不平衡问题，提出SF1‑BAGAN增强模型，通过重构自编码器预训练流程提升特征空间质量，并在生成对抗阶段引入SMOTE插值，同时基于迁移学习获得的类别F1‑score动态计算采样数量，实现自适应样本扩充，从源头缓解类别偏差；对于轻量模型对难分样本识别不足的缺陷，在MobileNetV3‑Large网络中融合CBAM混合注意力模块替代SE模块，通过通道与空间双维度加权强化特征表达，并采用Focal Loss损失函数替代交叉熵，通过调节困难样本权重提升模型对难分样本的敏感性。在有效抑制数据集不平衡问题的同时，提高了轻量级网络对难分样本的特征提取能力。