一种图像自动分类器的可靠性评估系统技术方案

本发明专利技术公布了一种图像自动分类器的可靠性评估系统，解决目前机器学习模型缺乏对自身预测结果的评估把握能力。系统基于目标前景区域及其邻接的环目标区域的子域预测结果的变异性差异程度对预测可靠程度进行定量评价。系统包括：数据预处理模块、虚拟微动器、分类模型、以及置信度评价器。本发明专利技术能够实时地对每一组预测结果进行实时的可靠程度的定量评价，可用于临床辅助诊断系统、自动驾驶系统等计算机视觉决策领域。机视觉决策领域。机视觉决策领域。

【技术实现步骤摘要】
一种图像自动分类器的可靠性评估系统


[0001]本专利技术属于信息
，特别涉及一种图像自动分类器的可靠性评估系统，可用于机器学习图像分类器的实时预测置信度评估。

技术介绍

[0002]目前，大多数机器学习图像分类器都难以对自身预测结果的把握程度进行估算。实际上，仅仅单次图像的判断，往往不一定能够提供完全确凿无疑的评判，存在一些含争议的分类可能。尤其是，基于深度学习的黑箱预测，可能会出现不可预知的，无法解释的错误预测。如果无法提供可靠程度的参考，对于每一次预测都提供同样肯定的推断结果，将无法把控预测失效的风险。对于医学图像识别、自动驾驶等对模型的安全性要求对较为严格领域来说，迫切需要一种可靠程度的评估系统。
[0003]现行的方案主要为针对模型的可靠性评估：
[0004]如中国专利专利技术201810810588.5。该方案是一种人脸识别可信度的计算方法及系统。这种系统包括选取样本模块、计算相似度模块、正态分布模块、模型建立模块、获取计算模块、可信度获取模块。其特点是由选取样本模块在预设的数据集中选取同一个体的人脸与不同个体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像自动分类器的可靠性评估系统，其特征在于，包括：数据预处理模块M1、虚拟微动器M2、分类模型M3分类模型M3、以及置信度评价器M4；其中，数据预处理模块M1，负责从输入图像中获取待分类目标的最小包围区域，作为目标前景区域B1，进一步将目标前景区域B1对应的最小外接矩形扩张k倍得到的区域作为环目标区域B2，并输出到虚拟微动器M2；虚拟微动器M2，负责对分别对目标前景区域B1和环目标区域B2施加子图抽取，形成目标前景子图序列和目标背景子图序列，并输出到分类模型M3；分类模型M3，负责对目标前景子图序列和目标背景子图序列中的每张图像逐个进行分类预测，分别得到目标前景子图的分类预测值序列背景子图分类预测值序列并输出到置信度评价器M4；最终，通过置信度评价器M4，得到输入图像中目标区域的分类预测值P与置信度指标C，置信度指标C即为可靠性估计结果。其特征在于，预...

【专利技术属性】
技术研发人员：张诗杰，张珏，
申请(专利权)人：北京大学，
类型：发明
国别省市：