基于图像特征的人工智能识别结果抽样系统及抽样方法技术方案

本发明专利技术公开了一种抽样系统，用于对人工智能算法识别结果进行抽样，该抽样系统通过计算待检测图片的亮度值、图像分辨率、图片经拉普拉斯变换处理后的拉普拉斯分布方差、图片经高斯平滑处理后的噪声方差，以及计算人工智能算法对各图片的识别结果中框选出的识别区域的数量、识别区域总面积、识别区域的区域重叠面积、识别区域的平均区域面积，然后将上述计算的各项特征值经特征值标准化处理后，根据经标准化处理后的各标准化特征值计算得到各图片对应的图片权重，然后根据各图片的权重大小挑选出一批识别结果作为抽检样本，本发明专利技术抽取的识别结果能够真实表征出被识别对象的整体特征，能够更好地评估识别模型的识别效果。

Sampling system and method of artificial intelligence recognition results based on image features

【技术实现步骤摘要】
基于图像特征的人工智能识别结果抽样系统及抽样方法
本专利技术涉及一种抽样系统，尤其涉及一种用于对人工智能算法识别结果进行抽样的基于图像特征的人工智能识别结果抽样系统及抽样方法。
技术介绍
在人工智能识别算法应用中，通常会先在实验室中利用数据样本训练出识别模型并预测该识别模型的识别效果，然后部署到实际应用场景中提供对外的识别服务。但通常情况下，现实的应用场景比实验室的测试场景更为复杂，这些识别模型的实际应用效果无法达到预期要求，所以为了进一步提高识别模型的识别准确率或识别效率，需要对识别模型在实际应用场景下的识别结果进行抽样检查，以将抽样检查结果作为迭代更新识别模型的依据。目前，对识别模型的识别结果的抽样方式通常为人工抽样，即在该识别模型的全部识别结果中随机抽取多个识别结果，然后人为判断抽检的识别结果是否合格。但这种随机抽检方式没有考虑到识别对象本身的数据特征和各个识别结果本身的数据特征，存在很大的偶然性，对识别模型的识别效果的评估不够科学、合理。
技术实现思路
鉴于上述存在的技术问题，本专利技术的目的在于提供一种基于图像特征的人工智能算法识别结果抽样系统，以解决上述技术问题。本专利技术解决其技术问题采取的技术方案是，提供一种基于图像特征的人工智能算法识别结果抽样系统，用于对人工智能算法识别结果进行抽样，包括：图像获取模块，用于获取待识别检测的多张图片；图像转换模块，连接所述图像获取模块，用于将各所述图片转换为HSV图片，并计算得到各所述HSV图片对应的亮度值；>图像分辨率计算模块，连接所述图像获取模块，用于计算得到各所述图片分别对应的图像分辨率；第一图像处理模块，连接所述图像获取模块，用于对各所述图片进行拉普拉斯变换处理；第一方差计算模块，连接所述第一图像处理模块，用于对经拉普拉斯变换处理后的各所述图片进行拉普拉斯分布方差计算，计算得到一关联于各所述图片的拉普拉斯分布方差；第二图像处理模块，连接所述图像获取模块，用于对各所述图片进行高斯平滑处理；第二方差计算模块，连接所述第二图像处理模块，用于计算经高斯平滑处理后的各所述图片对应的噪声方差；图像识别结果获取模块，用于获取对各所述图片的识别结果；识别区域数量计算模块，连接所述图像识别结果获取模块，用于计算每张所述图片对应的所述识别结果中框选出的识别区域的数量；识别区域面积计算模块，连接所述图像识别结果获取模块，用于对每一个所述识别结果中框选出的各所述识别区域进行区域面积计算，得到对应各所述识别结果的识别区域面积计算结果并存储；特征值转换模块，分别连接所述图像转换模块、所述图像分辨率计算模块、所述第一方差计算模块、所述第二方差计算模块、所述识别区域数量计算模块和所述识别区域面积计算模块，用于将所述抽样系统计算的关联于各所述图片的各特征值转换为对应的标准化特征值；图片权重计算模块，连接所述特征值转换模块，用于根据各所述标准化特征值计算各所述图片对应的图片权重，得到一图片权重计算结果；抽检样本选择模块，连接所述图片权重计算模块，用于根据所述图片权重计算结果，挑选出一批对应各所述图片的所述识别结果作为抽检样本。优选地，对各所述图片进行高斯平滑处理的高斯核的大小为3*3。优选地，对每个所述识别结果中框选出的各所述识别区域进行区域面积计算包括对所有框选出的所述识别区域的区域总面积计算，和/或对所有框选出的所述识别区域的重叠区域面积的计算；和/或对所有框选出的所述识别区域的平均区域面积的计算。优选地，对每个所述识别结果中框选出的所有所述识别区域进行所述平均区域面积计算通过以下公式(1)实现：box_mean_area＝(claps+whole_area)/detected_num公式(1)；公式(1)中，box_mean_area用于表示所述平均区域面积；Claps用于表示所述重叠区域面积；whole_area用于表示所述区域总面积；detected_num用于表示每个所述识别结果中框选出的所述识别区域的数量。优选地，所述抽样系统计算各所述图片对应的所述图片权重通过以下公式(2)实现：weight＝0.5*brightness’+1*revolution’+0.5*var’+1*sku_num’+1*noise’+1*box_mean_area’+1*whole_area’+1*claps’公式(2)公式(2)中，weight用于表示所述图片对应的所述图片权重；brightness’用于表示所述HSV图片的所述亮度值经特征值标准化处理后的标准化亮度值；revolution’用于表示所述图片的所述图像分辨率经特征值标准化处理后的标准化图像分辨率；var’用于表示所述图片的所述拉普拉斯分布方差经特征值标准化处理后的标准化拉普拉斯分布方差；sku_num’用于表示每个所述识别结果中的所述识别区域的数量经特征值标准化处理后的标准化数量值；noise’用于表示所述图片的所述噪声方差经特征值标准化处理后的标准化噪声方差；box_mean_area’用于表示针对所述图片的所述识别结果中的各所述识别区域的平均区域面积经特征值标准化处理后的标准化平均区域面积；whole_area’用于表示针对所述图片的所述识别结果中的各所述识别区域的区域总面积经特征值标准化处理后的标准化区域总面积；claps’用于表示针对所述图片的所述识别结果中的各所述识别区域的重叠区域面积经特征值标准化处理后的标准化重叠区域面积。本专利技术还提供一种基于图像特征的人工智能算法识别结果抽样方法，通过应用所述抽样系统实现，包括如下步骤：步骤S1，所述抽样系统获取待识别检测的多张所述图片；步骤S2，所述抽样系统将各所述图片转换为对应的所述HSV图片，并计算得到各所述HSV图片对应的亮度值；步骤S3，所述抽样系统计算各所述图片对应的所述图像分辨率；步骤S4，所述抽样系统计算各所述图片经拉普拉斯变换处理后的所述拉普拉斯分布方差；步骤S5，所述抽样系统计算各所述图片的所述噪声方差；步骤S6，所述抽样系统获取各所述图片对应的所述识别结果；步骤S7，所述抽样系统计算每张所述图片对应的所述识别结果中框选出的所述识别区域的数量；步骤S8，所述抽样系统计算每一个所述识别结果中框选出的各所述识别区域的区域面积；步骤S9，所述抽样系统将计算的关联于各所述图片的各所述特征值转换为对应的标准化特征值；步骤S10，所述抽样系统根据各所述标准化特征值计算各所述图片对应的所述图片权重，得到所述图片权重计算结果；步骤S11，所述抽样系统根据所述图片权重计算结果，挑选出一批对应各所述图片的所述识别结果作为所述抽检样本。优选地，所述步骤S8中，所述抽样系统计算每一个所述识别结果中的各所述识别区域的所述区域面积包括对每本文档来自技高网...

【技术保护点】
1.一种基于图像特征的人工智能算法识别结果抽样系统，用于对人工智能算法识别结果进行抽样，其特征在于，包括：/n图像获取模块，用于获取待识别检测的多张图片；/n图像转换模块，连接所述图像获取模块，用于将各所述图片转换为HSV图片，并计算得到各所述HSV图片对应的亮度值；/n图像分辨率计算模块，连接所述图像获取模块，用于计算得到各所述图片分别对应的图像分辨率；/n第一图像处理模块，连接所述图像获取模块，用于对各所述图片进行拉普拉斯变换处理；/n第一方差计算模块，连接所述第一图像处理模块，用于对经拉普拉斯变换处理后的各所述图片进行拉普拉斯分布方差计算，计算得到一关联于各所述图片的拉普拉斯分布方差；/n第二图像处理模块，连接所述图像获取模块，用于对各所述图片进行高斯平滑处理；/n第二方差计算模块，连接所述第二图像处理模块，用于计算经高斯平滑处理后的各所述图片对应的噪声方差；/n图像识别结果获取模块，用于获取对各所述图片的识别结果；/n识别区域数量计算模块，连接所述图像识别结果获取模块，用于计算每张所述图片对应的所述识别结果中框选出的识别区域的数量；/n识别区域面积计算模块，连接所述图像识别结果获取模块，用于对每一个所述识别结果中框选出的各所述识别区域进行区域面积计算，得到对应各所述识别结果的识别区域面积计算结果并存储；/n特征值转换模块，分别连接所述图像转换模块、所述图像分辨率计算模块、所述第一方差计算模块、所述第二方差计算模块、所述识别区域数量计算模块和所述识别区域面积计算模块，用于将所述抽样系统计算的关联于各所述图片的各特征值转换为对应的标准化特征值；/n图片权重计算模块，连接所述特征值转换模块，用于根据各所述标准化特征值计算各所述图片对应的图片权重，得到一图片权重计算结果；/n抽检样本选择模块，连接所述图片权重计算模块，用于根据所述图片权重计算结果，挑选出一批对应各所述图片的所述识别结果作为抽检样本。/n...

【技术特征摘要】
1.一种基于图像特征的人工智能算法识别结果抽样系统，用于对人工智能算法识别结果进行抽样，其特征在于，包括：
图像获取模块，用于获取待识别检测的多张图片；
图像转换模块，连接所述图像获取模块，用于将各所述图片转换为HSV图片，并计算得到各所述HSV图片对应的亮度值；
图像分辨率计算模块，连接所述图像获取模块，用于计算得到各所述图片分别对应的图像分辨率；
第一图像处理模块，连接所述图像获取模块，用于对各所述图片进行拉普拉斯变换处理；
第一方差计算模块，连接所述第一图像处理模块，用于对经拉普拉斯变换处理后的各所述图片进行拉普拉斯分布方差计算，计算得到一关联于各所述图片的拉普拉斯分布方差；
第二图像处理模块，连接所述图像获取模块，用于对各所述图片进行高斯平滑处理；
第二方差计算模块，连接所述第二图像处理模块，用于计算经高斯平滑处理后的各所述图片对应的噪声方差；
图像识别结果获取模块，用于获取对各所述图片的识别结果；
识别区域数量计算模块，连接所述图像识别结果获取模块，用于计算每张所述图片对应的所述识别结果中框选出的识别区域的数量；
识别区域面积计算模块，连接所述图像识别结果获取模块，用于对每一个所述识别结果中框选出的各所述识别区域进行区域面积计算，得到对应各所述识别结果的识别区域面积计算结果并存储；
特征值转换模块，分别连接所述图像转换模块、所述图像分辨率计算模块、所述第一方差计算模块、所述第二方差计算模块、所述识别区域数量计算模块和所述识别区域面积计算模块，用于将所述抽样系统计算的关联于各所述图片的各特征值转换为对应的标准化特征值；
图片权重计算模块，连接所述特征值转换模块，用于根据各所述标准化特征值计算各所述图片对应的图片权重，得到一图片权重计算结果；
抽检样本选择模块，连接所述图片权重计算模块，用于根据所述图片权重计算结果，挑选出一批对应各所述图片的所述识别结果作为抽检样本。


2.如权利要求1所述的抽样系统，其特征在于，对各所述图片进行高斯平滑处理的高斯核的大小为3*3。


3.如权利要求1所述的抽样系统，其特征在于，对每个所述识别结果中框选出的各所述识别区域进行区域面积计算包括对所有框选出的所述识别区域的区域总面积计算；
和/或对所有框选出的所述识别区域的重叠区域面积的计算；
和/或对所有框选出的所述识别区域的平均区域面积的计算。


4.如权利要求3所述的抽样系统，其特征在于，对每个所述识别结果中框选出的所有所述识别区域进行所述平均区域面积计算通过以下公式(1)实现：
box_mean_area＝(claps+whole_area)/detected_num公式(1)；
公式(1)中，box_mean_area用于表示所述平均区域面积；
Claps用于表示所述重叠区域面积；
whole_area用于表示所述区域总面积；
detected_num用于表示每个所述识别结果中框选出的所述识别区域的数量。


5.如权利要求1所述的抽样系统，其特征在于，所述抽样系统计算各所述图片对应的所述图片权重通过以下公式(2)实现：
weight＝0.5*brightness’+1*revolution’+0.5*var’+1*sku_num’+1*noise’+1*box_mean_area’+1*whole_area’+1*claps’公式(2)
公式(2)中，weight用于表示所述图片对应的所述图片权重；
brightness’用于表示所述HSV图片的所述亮度值经特征值标准化处理后的标准化亮度值；
revolution’用于表示所述图片的所述图像分辨率经特征值标准化处理后的标准化图像分辨率；
var’用于表示所述图片的所述拉普拉斯分布方差经特征值标准化处理后的标准化拉普拉斯分布方差；
sku_num’用于表示每个所述识别结果中的所述识别区域的数量经特征值标准化处理后的标准化数量值；
noise’用于表示所述图片的所述噪声方差经特征值标准化处理后的标准化噪声方差；
box_mean_area’用于表示针对所述图片的所述识别结果中的各所述识别区域的...

【专利技术属性】
技术研发人员：秦永强，张发恩，胡骞，
申请(专利权)人：创新奇智北京科技有限公司，
类型：发明
国别省市：北京;11