根据实施方式的图像分析方法包括以下步骤：将目标图像输入到至少一个专家，至少一个专家通过对学习图像进行学习而生成，包括生成模型和判别模型；基于从至少一个专家输出的输出值来分析目标图像；基于输入目标图像属于至少一个专家的输入类别的概率来确定针对目标图像的分析结果的有效性；以及在确定针对目标图像的分析结果无效的情况下将目标图像分类为新类别。为新类别。为新类别。
【技术实现步骤摘要】
【国外来华专利技术】图像分析装置和方法以及用于生成用于图像分析装置和方法的图像分析模型的方法
[0001]本公开内容涉及用于分析输入图像的装置和方法以及用于该装置和方法的生成图像分析模型的方法。
技术介绍
[0002]计算机视觉是指通过对来自通过诸如摄像装置和扫描仪的视觉媒介输入的图像的周围对象和环境的特征进行分析来生成有用信息的技术。近年来，计算机视觉技术已经应用于CCTV或移动电话摄像装置以检测和分类期望的对象，例如人、交通工具、动物等。
[0003]在引入诸如深度学习的机器学习技术之前，通过搜索图像中的各种特征来检测对象。用于对象检测的代表性特征包括定向梯度直方图(HOG)、聚合通道特征(ACF)、LBP(局部二进制模式)等。可以基于这样的特征从输入图像中检测出期望的对象，并且由于基于深度学习的对象检测方法的遗留问题和硬件成本高，已经广泛使用了基于特征的对象检测方法。
[0004]然而，为了在各种对象检测环境中获得更准确的对象检测结果，正在积极地对基于深度学习的各种计算机视觉或图像处理技术进行研究。
技术实现思路
[0005]技术问题
[0006]鉴于以上所述，本公开内容提供了一种用于基于目标图像属于图像分析模型的至少一个专家的输入类别的概率来确定是否将目标图像分类为新的类别的图像分析装置和方法，以及一种用于生成用于该装置和方法的图像分析模型的方法。
[0007]然而，本公开内容的实施方式不限于上面提到的那些实施方式。本领域技术人员根据下面的描述可以清楚地理解未提及的其他实施方式。<br/>[0008]解决方案
[0009]根据本公开内容的一方面，提供了一种图像分析方法，其包括：将目标图像输入至图像分析模型，图像分析模型包括通过学习训练图像而生成的至少一个专家；基于来自至少一个专家的输出值对目标图像进行分析；基于输入目标图像属于至少一个专家的输入类别的概率，确定针对目标图像的分析结果的有效性；以及当确定针对目标图像的分析结果无效时，将目标图像分类为新的类别。
[0010]本文中，确定针对目标图像的分析结果的有效性包括：基于输入目标图像属于至少一个专家的输入类别的概率来随机地确定针对目标图像的分析结果的有效性。
[0011]本文中，确定针对目标图像的分析结果的有效性包括：获得输入和类关于至少一个专家中的每一个的似然；获得至少一个专家中的每一个的先验概率；以及基于所获得的似然和所获得的先验概率，获得输入目标图像属于至少一个专家的输入类别的概率。
[0012]本文中，获得输入和类关于至少一个专家中的每一个的似然包括：通过使用至少
一个专家中的每一个的判别模型来获得类关于输入目标图像和至少一个专家中的每一个的第一概率；通过使用至少一个专家中的每一个的生成模型来获得输入关于至少一个专家中的每一个的第二概率；以及基于第一概率和第二概率获得输入和类关于至少一个专家中的每一个的似然。
[0013]本文中，获得第二概率包括将第二概率的下界估计为第二概率。
[0014]图像分析方法还包括：将分类为新的类别的目标图像存储在存储器中；以及当存储在存储器中的目标图像的累积容量大于或等于预定参考容量时，通过学习存储在存储器中的目标图像来生成针对新的类别的专家。
[0015]本文中，生成针对新的类别的专家包括：对存储在存储器中的目标图像进行标记；以及通过学习经标记的目标图像，生成针对新的类别的专家。
[0016]根据本公开内容的另一方面，提供了一种图像分析装置，包括：图像分析单元，其被配置成基于图像分析模型来分析目标图像，图像分析模型包括通过学习训练图像而生成的至少一个专家；以及确定单元，其被配置成基于目标图像属于至少一个专家的输入类别的概率来确定针对目标图像的分析结果的有效性，其中，当确定针对目标图像的分析结果无效时，图像分析单元将目标图像分类为新的类别。
[0017]图像分析装置还包括存储器，该存储器被配置成存储被分类为新的类别的目标图像。
[0018]图像分析装置还包括学习单元，该学习单元被配置成当存储在存储器中的目标图像的累积容量大于或等于预定参考容量时，通过学习存储在存储器中的目标图像来生成针对新的类别的专家。
[0019]根据本公开内容的另一方面，提供了一种用于生成图像分析模型的方法，包括：在第一接收时段期间连续接收第一训练图像；在正好在第一接收时段之后的第一学习时段期间，通过学习第一训练图像来生成包括判别模型和生成模型的针对第一类别的第一专家；在正好在第一学习时段之后的第二接收时段期间连续接收第二训练图像；基于第二训练图像中的每一个属于第一类别的概率，确定是否为第一专家学习第二训练图像中的每一个；以及通过在正好在第二接收时段之后的第二学习时段期间学习第二训练图像中的被确定为不为第一专家进行学习的训练图像，来生成针对第二类别的第二专家。
[0020]有益效果
[0021]根据本公开内容的实施方式，可以管理图像分析模型，该图像分析模型能够通过对不属于图像分析模型的专家的输入类别的目标图像进行分类来在实际使用环境中分析各种目标图像。
[0022]在实际使用环境中使用通过学习训练图像而生成的图像分析模型时，输入目标图像可能在与训练图像的获取条件不同的获取条件下获取，或者输入目标图像可能包括尚未通过训练图像学习的对象。因此，图像分析模型不仅分析的精确度降低，而且不能在图像分析模型被使用的同时自适应于检测新对象的需要进行操作。
[0023]然而，在本公开内容的实施方式中，通过将目标图像分类为新的类别并且使用目标图像来生成新的专家，可以分析可以在实际使用环境中输入的各种目标图像。具体地，根据本公开内容的实施方式的图像分析装置能够通过采用增量学习来自适应于输入目标图像进行操作，增量学习是将新的信息添加到先前通过诸如深度学习和连续学习的机器学习
生成的图像分析模型，并且因此，可以在实际使用环境中增加装置的可用性。
[0024]特别地，当将根据本公开内容的实施方式的智能视频分析(IVA)技术应用于摄像装置几乎不移动的固定CCTV环境中时，不管所安装的摄像装置的位置和角度如何都可以执行对所获取的图像的精确分析。
附图说明
[0025]图1是根据本公开内容的实施方式的图像分析装置的功能框图。
[0026]图2是示出根据本公开内容的实施方式的从图像分析模型输出输出值的过程的图。
[0027]图3是示出根据本公开内容的实施方式的图像分析模型的专家的图。
[0028]图4至图6是用于说明根据实施方式的通过图像分析装置针对新的类别生成专家的方法的图。
[0029]图7是根据本公开内容的实施方式的图像分析方法的流程图。
[0030]图8是根据本公开内容的实施方式的生成图像分析模型的方法的流程图。
[0031]图9是用于说明在用于验证根据本公开内容的实施方式的图像分析方法的效果的实验中的包括手写图像的输入的图。
[0032]图10是示出在用于验证根据本公本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种图像分析方法，包括：将目标图像输入至图像分析模型，所述图像分析模型包括通过学习训练图像生成的至少一个专家；基于来自所述至少一个专家的输出值来分析所述目标图像；基于输入目标图像属于所述至少一个专家的输入类别的概率，确定针对所述目标图像的分析结果的有效性；以及当确定针对所述目标图像的分析结果无效时，将所述目标图像分类为新的类别。2.根据权利要求1所述的方法，其中，确定针对所述目标图像的分析结果的有效性包括：基于所述输入目标图像属于所述至少一个专家的输入类别的概率，随机地确定针对所述目标图像的分析结果的有效性。3.根据权利要求1所述的方法，其中，确定针对所述目标图像的分析结果的有效性包括：获得输入和类关于所述至少一个专家中的每一个的似然；获得所述至少一个专家中的每一个的先验概率；以及基于所获得的似然和所获得的先验概率，获得所述输入目标图像属于所述至少一个专家的输入类别的概率。4.根据权利要求3所述的方法，其中，获得输入和类关于所述至少一个专家中的每一个的似然包括：通过使用所述至少一个专家中的每一个的判别模型，获得类关于所述输入目标图像和所述至少一个专家中的每一个的第一概率；通过使用所述至少一个专家中的每一个的生成模型，获得输入关于所述至少一个专家中的每一个的第二概率；以及基于所述第一概率和所述第二概率，获得输入和类关于所述至少一个专家中的每一个的似然。5.根据权利要求4所述的方法，其中，获得所述第二概率包括将所述第二概率的下界估计为所述第二概率。6.根据权利要求1所述的方法，还包括：将分类为所述新的类别的目标图像存储在存储器中；以及当存储在所述存储器中的目标图像的累积容量大于或等于预定参考容量时，通过学习存储在所述存储器中的目标图像来生成针对所述新的类别的专家...
【专利技术属性】
技术研发人员：金泰完，金健熙，李修灿，
申请(专利权)人：首尔大学校产学协力团，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。