图像的新类别识别方法及装置制造方法及图纸

本发明专利技术是关于一种图像的新类别识别方法和装置，方法包括：根据有标记样本图像生成第一有标记样本图像集和第二有标记样本图像集；根据第一有标记样本图像集进行训练，得到第一图像识别模型；根据第二有标记样本图像集进行训练，得到第二图像识别模型；将所有的无标记样本图像分别输入第一图像识别模型和第二图像识别模型，以得到每个无标记样本图像的第一置信度和第二置信度；根据每个无标记样本图像的第一置信度和第二置信度进行样本图像的挑选，并为挑选出的目标无标记样本图像确定伪标记；根据所有带有伪标记的目标无标记样本图像和有标记样本图像进行模型训练，以得到目标图像识别模型。像识别模型。像识别模型。

【技术实现步骤摘要】
图像的新类别识别方法及装置


[0001]本专利技术涉及图像识别
，尤其涉及一种图像的新类别识别方法和装置。

技术介绍

[0002]近年来，在很多实际应用中都有出现深度学习的身影。可以说，现在的深度学习技术在生活中无处不在。在目标识别和分类中，深度学习的应用尤为突出，其中监督学习性能最好，但是它效果好的来源是由于使用了大量的有标记的样本进行训练。但是在实际生活中，标记数据是非常耗时耗钱的，但是大量的无标记样本是被提供的。因此基于少量的有标记样本和大量的无标记样本进行学习的半监督学习范式被提了出来。但是普通的半监督学习假设的是有标记样本和无标记样本都是属于同一个分布的。在开放的场景中，无标记样本里可能包含了有标记样本中不包含的新类别的样本。比如在机器人巡航时，当它发现新的目标，对该目标的识别和分类是至关重要的。所以旨在解决在开放场景中如何识别新类的问题。
[0003]在现有的专利和发表的论文中，目前仍未有基于决策差异集成的开放场景下的新类目标识别技术，此技术可以应用到机器人巡航等应用中。
[0004]针对上述问题，一般认为新类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像的新类别识别方法，其特征在于，所述方法包括：根据有标记样本图像生成第一有标记样本图像集和第二有标记样本图像集；根据所述第一有标记样本图像集进行训练，得到第一图像识别模型；根据所述第二有标记样本图像集进行训练，得到第二图像识别模型；将所有的无标记样本图像分别输入所述第一图像识别模型和第二图像识别模型，以得到每个无标记样本图像的第一置信度和第二置信度；根据所述每个无标记样本图像的第一置信度和第二置信度进行样本图像的挑选，并为挑选出的目标无标记样本图像确定伪标记；根据所有带有伪标记的目标无标记样本图像和有标记样本图像进行模型训练，以得到目标图像识别模型，其中，所述目标图像识别模型输出的类别数比所述第一图像识别模型和所述第二图像识别模型输出的类别数多一个，多的类别用于预测新类别。2.根据权利要求1所述的方法，其特征在于，根据所述每个无标记样本图像的第一置信度和第二置信度进行样本图像的挑选，并为挑选出的目标无标记样本图像确定伪标记，包括：当无标记样本图像的第一置信度和第二置信度均大于预设值，且最大值概率对应的类别相同时，确定该无标记样本图像为目标无标记样本图像，并将所述最大值概率对应的类别确定为伪标记；当无标记样本图像的第一置信度和第二置信度均大于预设值，且最大值概率对应的类别不相同时，丢弃所述无标记样本图像。3.根据权利要求2所述的方法，其特征在于，根据所述每个无标记样本图像的第一置信度和第二置信度进行样本图像的挑选，并为挑选出的目标无标记样本图像确定伪标记，包括：当无标记样本图像的第一置信度和第二置信度均小于所述预设值时，确定该无标记样本图像为目标无标记样本图像，并将其伪标记确定为新类别。4.根据权利要求1所述的方法，其特征在于，根据有标记样本图像生成第一有标记样本图像集和第二有标记样本图像集，包括：对所述有标记样本图像进行两次不同的随机采样，以生成第一有标记样本图像集和第二有标记样本图像集。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取预识别图像；将所述预识别图像输入所述目标图像识别模型，以确定所述预识别图像所属...

【专利技术属性】
技术研发人员：张凯，何润东，韩忠义，杨光远，
申请(专利权)人：山东力聚机器人科技股份有限公司，
类型：发明
国别省市：