一种基于卷积神经网络的图像开放集识别方法技术

本发明专利技术公开了一种基于卷积神经网络的图像开放集识别方法，包括利用CNN模型对图像训练集进行处理，使用SoftMax层生成的深度特征作为激活向量；计算每个类的平均激活向量，并将平均激活向量作为每个类的中心；计算出类内点与每个类中心的距离，并通过每个类的距离分布设置阈值；确定目标样本是否为未知类别。本发明专利技术方法利用SoftMax变换对logits层所在的空间进行空间变换。经过变换后，这些方向指向的空间将收缩到变换后的特征空间中某些点附近，从而可以被CAP模型生成的边界所覆盖，因此能够改善卷积神经网络模型的开放集图像识别性能，本发明专利技术方法具有更强的性能和更好的适用度。

An image open set recognition method based on convolutional neural network

【技术实现步骤摘要】
一种基于卷积神经网络的图像开放集识别方法
本专利技术属于图像处理与识别领域，具体涉及基于卷积神经网络的图像开放集识别方法。
技术介绍
目前，深度神经网络在各种视觉识别应用中取得了很大的成就，并已应用于人脸识别、自动驾驶、医学图像识别等多种商业场景。在建模过程中，这些识别任务大多采用封闭集假设，在这种情况下，所有可能的测试样本都属于训练集中已知的类别。然而，当模型应用到现实世界时，由于它无法识别不断出现的未知图像，它的性能将大幅下降。例如，当你站在一张合照前，你想从中辨认出一个你熟悉的人，但是合照中还有更多的你不认识的人和其他物体，如动物、建筑物、汽车，它们的存在会极大地影响你的识别。现实世界中的识别任务可以分成三类：1)对已知类别的识别。即在训练集中打出明确标签的类别。2)对已知的未知类别的识别。即在训练集中常用的其他类别。3)对未知的未知类别的识别。即在训练集中没有出现过的类别。传统的分类通常用于对已知类别分类以及拒绝已知未知类别，一般不考虑未知的未知类别。开放集识别(OSR)则主要关注对未知类别的拒绝。在接下来的描述中，统一本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的图像开放集识别方法，其特征在于，包括以下步骤：/n步骤1，利用CNN模型对图像训练集进行处理，使用SoftMax层生成的深度特征作为激活向量；/n步骤2，计算每个类的平均激活向量，并将平均激活向量作为每个类的中心；/n步骤3，计算出类内点与每个类中心的距离，并通过每个类的距离分布设置阈值；/n步骤4，确定目标样本是否为未知类别。/n

【技术特征摘要】
1.一种基于卷积神经网络的图像开放集识别方法，其特征在于，包括以下步骤：
步骤1，利用CNN模型对图像训练集进行处理，使用SoftMax层生成的深度特征作为激活向量；
步骤2，计算每个类的平均激活向量，并将平均激活向量作为每个类的中心；
步骤3，计算出类内点与每个类中心的距离，并通过每个类的距离分布设置阈值；
步骤4，确定目标样本是否为未知类别。


2.根据权利要求1所述的图像开放集识别方法，其特征在于，在步骤1中，使用由所述的CNN模型的logits层来生成模型所需要的特征，形成SoftMax层，对所述的CNN模型中提取的特征进行归一化指数变换，变换公式为：



其中，σ(z)j表示SoftMax层的第j个分量，zj，zk分别表示logits层第j个分量和第k个分量，经过CNN模型的处理，得到每个训练样本点的激活向量。


3.根据权利要求2所述的图像开放集识别方法，其特征在于，在步骤2中，对于每一个已知类，计算了真实标签和预测标签都等于类标签的样本之间的平均激活向量，将平均激活向量作为类的中心。


4.根据权...

【专利技术属性】
技术研发人员：孙祥远，宋君强，任开军，李小勇，冷洪泽，邓科峰，汪祥，张卫华，任小丽，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43