本地服务器、影像辨识系统及其更新方法技术方案

影像辨识系统包含存储云端辨识模型的云端服务器与存储本地辨识模型的本地服务器，本地服务器通过本地辨识模型辨识一影像，以产生本地辨识结果。该影像对应至一场域，并包含至少一物件，且本地辨识结果包含各物件分别对应至多类别的本地类别信心分数。本地服务器针对各物件，根据该场域以及对应的多本地类别信心分数计算本地乱度指标。本地服务器根据该影像的本地乱度指标，决定传送该影像至该云端服务器。云端服务器通过该云端辨识模型辨识该影像，以产生云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。

【技术实现步骤摘要】
本地服务器、影像辨识系统及其更新方法
本专利技术的实施例是关于一种影像辨识系统及其更新方法。更具体而言，本专利技术的实施例是关于具有包含云端服务器与本地服务器的架构的影像辨识系统及其更新方法。
技术介绍
在人工智慧(AI)的影像辨识的
中，物件辨识(Objectrecognition)系指当接收一影像，通过已预先训练的影像辨识模型来侦测出该影像中的物件以及每一个物件分别对应的类别。在进行上述物件辨识时，一影像所对应的场域往往会影响在该影像中出现的物件种类。以交通相关物件的辨识为例，若一摄影机取得的影像对应场域为「工业区的车道」，则该些影像较容易出现为属于类别为「卡车」的物件，若另一摄影机所取得的影像的对应场域为「公路」，则该些影像较容易出现为属于类别为「轿车」或「机车」的物件，而若又一摄影机取得的影像的对应场域为「人行道」，则该些影像较容易出现为属于类别为「行人」的物件。在现行的影像辨识技术中，仅采用一般预先训练的影像辨识模型来辨识各种不同场域的影像。例如，一影像辨识模型被训练完成后，直接被应用以辨识多种场域的影像。在此情况下，因不同场域的影像具有不同的特性(例如：影像中常出现的物件类别，或影像的背景特征、杂讯特征)，故辨识效果或精准度不一。某些场域的影像会不利于该影像辨识模型的辨识(例如：场域为「天桥下」的影像普遍亮度较低，或场域为「马路口」的影像的光线变化大)，使得该影像辨识模型在辨识该些场域的影像时无法产生高可靠性的辨识结果。因此，针对不同的场域特性来进行影像辨识模型的训练与更新，使得更新后的影像辨识模型能够针对该场域的影像获得更精准的辨识结果，将是一项亟需被解决的问题。
技术实现思路
为了解决至少上述的问题，本专利技术的实施例提供了一种影像辨识系统。影像辨识系统可包含互相电性连接的一云端服务器以及一本地服务器。该云端服务器可用以存储一云端辨识模型，该本地服务器可用以存储一本地辨识模型。该本地服务器可通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数。该本地服务器可针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标。该本地服务器还可根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器。该云端服务器可在接收该影像后，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。为了解决至少上述的问题，本专利技术的实施例还提供了一种影像辨识系统更新方法。该影像辨识系统更新方法可适用于一影像辨识系统，该影像辨识系统可包含互相电性连接的一云端服务器与一本地服务器。该云端服务器可存储一云端辨识模型，该本地服务器可存储一本地辨识模型。该影像辨识系统更新方法可包含以下步骤：由该本地服务器，通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数；由该本地服务器，针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标；由该本地服务器，根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器；以及由该云端服务器，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。为了解决至少上述的问题，本专利技术的实施例还提供了一种本地服务器。该本地服务器可包含互相电性连接的一存储器与一处理器。该存储器可用以存储一本地辨识模型。该处理器可用以通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数。该处理器可用以针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标。该处理器还可用以根据该影像的该至少一本地乱度指标，决定传送该影像至一云端服务器，使得该云端服务器根据该影像更新该本地辨识模型。在本专利技术的实施例中，计算本地乱度指标时同时考量该影像的场域信息以及本地类别信心分数，也就是，除了可针对本地类别信心分数来决定影像是否应传送给云端服务器之外，还可以根据场域特性来选择影像是否要传送给云端服务器，以进行后续本地辨识模型的重新训练。举例而言，此可加强辨识特定场域中常出现的特定类别，或可避免该影像中在该场域常出现的某些杂讯降低辨识精准度。因为该影像的选择时已考虑其场域信息以及本地类别信心分数，故在该云端服务器在接收该影像，针对该影像通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型之后，可使更新后的本地辨识模型能够针对该场域的影像获得更精准的辨识结果。除此之外，本专利技术的实施例因根据计算的该本地乱度指标来决定是否传送影像至云端服务器，亦可达成筛选用以重新训练本地辨识模型的影像的自动化，也就是说，本专利技术可自动决定如何更新该本地辨识模型，以使更新后的本地辨识模型能够针对该场域的影像获得更精准的辨识结果。以上内容并非为了限制本专利技术，而只是概括地叙述了本专利技术可解决的技术问题、可采用的技术手段以及可达到的技术功效，以让本领域技术人员初步地了解本专利技术。根据检附的附图及以下的实施方式所记载的内容，本领域技术人员便可进一步了解本专利技术的各种实施例的细节。附图说明图1例示了根据某些实施例的影像辨识系统的示意图。图2A至图2B例示了根据某些实施例的影像辨识系统如何进行更新的示意图。图3例示了根据某些实施例的影像辨识系统如何进行更新系统的示意图。图4例示了根据某些实施例图1中的影像辨识系统更新方法的示意图。附图标记说明1：影像辨识系统11：云端服务器111：处理器113：存储器115：接口13、13a、13b：本地服务器131：处理器133：存储器135：接口137：摄影机21：专家系统IM、IMa、IMb：影像M1：本地辨识模型M2：镜像辨识模型M3：云端辨识模型2：流程201～208：动作C1、C2：物件3：流程301～306：动作4：影像辨识系统更新方法401、403、405、407：步骤具体实施方式以下将通过多个实施例来说明本专利技术，惟这些实施例并非用以限制本专利技术只能根据所述操作、环境、应用、结构、流程或步骤来实施。与本专利技术非直接相关的元件并未示出在附图中，但可隐含在附图中。在附图中，各元件(element)的尺寸以及各元件之间的比例仅是范例，而非用以限制本专利技术。除了特别说明之外，在以下内容中，相同(或相近)的元件符号可对应至相同(或相近)的元件。在可被实现的情况下，如未特别说明，以下所述的每一个元件的数量可本文档来自技高网...

【技术保护点】
1.一种影像辨识系统，其特征在于，包含：/n一云端服务器，用以存储一云端辨识模型；/n一本地服务器，电性连接至该云端服务器，用以：/n存储一本地辨识模型；/n通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数；/n针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标；以及/n根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器；/n其中，该云端服务器接收该影像后，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。/n

【技术特征摘要】
20191029 TW 1081390581.一种影像辨识系统，其特征在于，包含：
一云端服务器，用以存储一云端辨识模型；
一本地服务器，电性连接至该云端服务器，用以：
存储一本地辨识模型；
通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数；
针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标；以及
根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器；
其中，该云端服务器接收该影像后，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。


2.如权利要求1的影像辨识系统，其特征在于，该本地服务器还用以通过一摄影机撷取该影像，且该本地服务器还用以根据该影像的至少一影像信息决定该影像所对应的该场域。


3.如权利要求1的影像辨识系统，其特征在于，当该本地服务器判断该至少一本地乱度指标的任一个大于一第一门槛值，则决定传送该影像至该云端服务器。


4.如权利要求1的影像辨识系统，其特征在于，基于该场域，各该多类别对应至一场域类别参数，且针对各该至少一物件，该本地服务器是执行以下运作，以计算出该本地乱度指标：
针对各该多类别，计算相应的该场域类别参数、该本地类别信心分数、以及该本地类别信心分数的对数的一乘积，并计算该多乘积的一总和的负值，以获得该本地乱度指标。


5.如权利要求1的影像辨识系统，其特征在于，：
该云端服务器还用以存储与该本地辨识模型相同的一镜像辨识模型；且
该云端服务器使用该云端辨识结果重新训练该镜像辨识模型，以更新该镜像辨识模型，并将更新后的该镜像辨识模型部署至该本地服务器，以更新该本地辨识模型。


6.如权利要求1的影像辨识系统，其特征在于，云端辨识结果包含各该至少一物件分别对应至该多类别的一云端类别信心分数，且该云端服务器还用以：
针对各该至少一物件，根据对应的该多云端类别信心分数计算一云端乱度指标；以及
根据该影像的该至少一云端乱度指标，决定传送该影像至一专家系统，并根据该专家系统提供的一专家辨识结果更新该云端辨识模型以及该本地辨识模型。


7.如权利要求6的影像辨识系统，其特征在于，当该云端服务器判断该至少一云端乱度指标的任一个大于一第二门槛值，则决定传送该影像至该专家系统。


8.如权利要求6的影像辨识系统，其特征在于，该云端服务器是执行以下运作，以计算出该云端乱度指标：
针对各该多类别，计算相应的该云端类别信心分数以及该云端类别信心分数的对数的一乘积，并计算该多乘积的一总和的负值，以获得该云端乱度指标。


9.一种影像辨识系统更新方法，适用于一影像辨识系统，其特征在于，该影像辨识系统包含互相电性连接的一云端服务器与一本地服务器，该云端服务器存储一云端辨识模型，该本地服务器存储一本地辨识模型，该影像辨识系统更新方法包含：
由该本地服务器，通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数；
由该本地服务器，针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标；
由该本地服务器，根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器；以及
由该云端服务器，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨...

【专利技术属性】
技术研发人员：陈彦宏，
申请(专利权)人：财团法人资讯工业策进会，
类型：发明
国别省市：中国台湾;71