假阳性识别模型的训练方法、目标识别方法及装置制造方法及图纸

本发明专利技术涉及图像处理技术领域，具体涉及假阳性识别模型的训练方法、目标识别方法及装置，所述训练方法包括获取目标识别模型以及获取至少一个扰动目标识别模型，所述扰动目标识别模型是通过对所述目标识别模型中预设卷积层的输出特征信息进行随机扰动处理后训练得到的；基于各个扰动目标识别模型对目标图像的第一识别结果以及目标识别模型对目标图像的第二识别结果的关系，确定第一不确定度特征向量；根据第一不确定度特征向量以及目标图像的标签，对假阳性识别模型进行训练，确定目标假阳性识别模型。利用不确定度特征向量对假阳性识别模型进行训练，后续利用该假阳性识别模型对识别结果进行筛选，可以提高识别结果的准确性。

【技术实现步骤摘要】
假阳性识别模型的训练方法、目标识别方法及装置
本专利技术涉及图像处理
，具体涉及假阳性识别模型的训练方法、目标识别方法及装置。
技术介绍
卷积神经网络(CNN)是应用于图像处理领域最广泛的深度学习方法，通过向CNN中输入一张图片，接着将它传递到CNN中的多个卷积层和池化层中，从而能够实现图像特征的自动提取，逐层、自动地学习目标的特征表示，实现对物体层次化的抽象和描述，从而用于目标识别。其中，目标识别在各领域均有广泛的应用，例如在无人驾驶和医学影像分割等方面。不论采用何种方法进行目标识别模型的构件，它们均需要依赖卷积层进行特征提取，而特征提取的结果直接会影响到目标识别的结果。对于一些识别正确的目标，特征提取的误差对识别结果的影响不大；而对于一些识别错误(即假阳性)的目标，在有特征提取误差的情况下目标识别结果会不稳定，主要体现为概率值有较大波动，从而会影响目标识别的准确率。
技术实现思路
有鉴于此，本专利技术实施例提供了一种假阳性识别模型的训练方法、目标识别方法及装置，以解决目标识别准确率偏低的问题。根据第本文档来自技高网...

【技术保护点】
1.一种假阳性识别模型的训练方法，其特征在于，所述训练方法包括：/n获取目标识别模型以及获取至少一个扰动目标识别模型，所述扰动目标识别模型是通过对所述目标识别模型中预设卷积层的输出特征信息进行随机扰动处理后训练得到的；/n基于各个所述扰动目标识别模型对目标图像的第一识别结果以及所述目标识别模型对所述目标图像的第二识别结果的关系，确定第一不确定度特征向量；/n根据所述第一不确定度特征向量以及所述目标图像的标签，对所述假阳性识别模型进行训练，确定目标假阳性识别模型。/n

【技术特征摘要】
1.一种假阳性识别模型的训练方法，其特征在于，所述训练方法包括：
获取目标识别模型以及获取至少一个扰动目标识别模型，所述扰动目标识别模型是通过对所述目标识别模型中预设卷积层的输出特征信息进行随机扰动处理后训练得到的；
基于各个所述扰动目标识别模型对目标图像的第一识别结果以及所述目标识别模型对所述目标图像的第二识别结果的关系，确定第一不确定度特征向量；
根据所述第一不确定度特征向量以及所述目标图像的标签，对所述假阳性识别模型进行训练，确定目标假阳性识别模型。


2.根据权利要求1所述的训练方法，其特征在于，所述获取至少一个扰动目标识别模型，包括：
将样本图像输入所述目标识别模型，提取所述目标识别模型中预设卷积层的输出特征信息；
随机选取多个扰动坐标点；
利用所述扰动坐标点，对所述输出特征信息中对应于所述扰动坐标点的像素值进行处理，得到扰动特征图；
基于所述扰动特征图对所述目标识别模型进行训练，得到所述扰动目标识别模型。


3.根据权利要求2所述的训练方法，其特征在于，所述利用所述扰动坐标点，对所述输出特征信息中对应于所述扰动坐标点的像素值进行处理，得到扰动特征图，包括：
以各个所述扰动坐标点为中心，确定扰动区域；
将所述输出特征信息中对应于所述扰动区域的像素值设置为预设值，得到所述扰动特征图。


4.根据权利要求1所述的训练方法，其特征在于，所述基于所述扰动目标识别模型对目标图像的第一识别结果以及所述目标识别模型对所述目标图像的第二识别结果的关系，确定第一不确定度特征向量，包括：
对应于各个所述扰动目标识别模型，计算所述扰动目标识别模型中各个第一目标识别区域与所述目标识别模型中对应的第二目标识别区域的重叠率；
利用所述重叠率对所述第一目标识别区域的识别概率进行调整，得到所述各个第一目标识别区域对应于各个目标类别的目标识别概率；
对各个所述扰动目标识别模型对应的目标识别概率进行统计分析，确定所述第一不确定度特征向量。


5.根据权利要求1所述的训练方法，其特征在于，所述基于所述扰动目标识别模型对目标图像的第一识别结果以及所述目标识别模型对所述目标图像的第二识别结果的关系，确定第一不确定度特征向量，包括：
计算所述第二目标识别区域中所有像素属于各个目标类别的概率的平均值，以得到所述第一目标识别区域对应于各个目标类别的目标识别概率；
对各个所述扰动目标识别模型对应的目标识别概率进行统计分析，确定所述第一不确定度特征向量。


6.根据权利要求4或5所述的训练方法，其特征在于，所述对各个所述扰动目标识别模型对应的目标识别概率进行统计分析，确定所述第一不确定度特征向量，包括：
利用各个所述扰动目标识别模型对应的目标识别概率，计算所述各个目标类别对应的目标识别概率的统计值，所述目标识别概率的统计值包括熵、标准差、均方根误差、范围、平均绝对离差中的至少一种；
基于所述各个目标类别对应的目标识别概率的统计值，确定所述各个目标类别对应的第一不确定度特征向量。

【专利技术属性】
技术研发人员：夏威，高欣，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：江苏;32