物件辨识装置及物件辨识方法制造方法及图纸

本文提供了一种物件辨识装置及物件辨识方法，其中物件辨识方法包含，学生模型依据老师模型以调整复数个参数，当调整后的学生模型的输出结果与老师模型的输出结果之间的向量差值小于一学习门槛值，则视为学生模型完成训练，提取学生模型作为一物件辨识模型。其中学生模型所需的空间小于老师模型。藉此可以有效率地产生大量训练图片及标记，达成了不需要消耗大量人工标记时间进行手动标记的功效。耗大量人工标记时间进行手动标记的功效。耗大量人工标记时间进行手动标记的功效。

【技术实现步骤摘要】
物件辨识装置及物件辨识方法


[0001]本专利技术实施例是关于一种辨识装置及辨识方法，特别是关于一种适用于判断图像中的特定物件的物件辨识装置及物件辨识方法。

技术介绍

[0002]目前人工智能(AI)模型标记工作，多半被专门企业独立承揽，以人工进行标记作业，尤其是在中国、印度、东南亚等国家，有越来越多专门委托人工标记的公司。市面上所有AI物件辨识模型训练前，必定要累积大量数据，并且需要大量人工标记，因此十分耗费人工资源，且需要大量时间进行手动标记。
[0003]因此如何使用自动标记产生工具，达到大量产生图片并自动标记，已成为本领域需解决的问题之一。

技术实现思路

[0004]本揭露内容的一实施例提供了一种物件辨识装置包含处理器以及一储存装置。处理器用以存取储存装置所储存的程序，以实现一前处理模组、一老师模型训练模组以及一学生模型训练模组。前处理模组用以产生一追踪样本及一对抗样本。老师模型训练模组用以产生一老师模型。学生模型训练模组依据老师模型以初始化一学生模型。其中学生模型依据老师模型以及对抗样本调整复数个参数，响应于调整后的学生模型的输出结果与老师模型的输出结果之间的向量差值小于一学习门槛值，则视为学生模型完成训练，提取学生模型作为一物件辨识模型。
[0005]本揭露内容的一实施例提供了一种物件辨识方法，包含：产生一追踪样本及一对抗样本；依据追踪样本产生一老师模型；以及依据老师模型初始化一学生模型；其中学生模型依据老师模型以及该对抗样本调整复数个参数，响应于调整后的学生模型的输出结果与老师模型的输出结果之间的向量差值小于一学习门槛值，则视为学生模型完成训练，提取学生模型作为一物件辨识模型。
[0006]由上述可知，在某些实施例中的物件辨识装置及物件辨识方法使得作为物件辨识模型的学生模型的卷积层数及神经元数量小于老师模型的卷积层数及神经元数量，因此物件辨识模型具有模型精简性，且建立学生模型的过程中使用到对抗样本，此可使物件辨识模型具有模型强健性。再者，在整个学生模型的过程中，所需的人工标记样本大幅小于对抗样本数，因此具有人工样本数稀释性，达到降低人力标记的时间与资源。藉此，物件辨识装置及物件辨识方法只需要输入目标物在任何环境的视频或多张图像，即可大量自动追踪标记物件，解决了人工智能物件辨识领域中，最花时间的标记环节，因此可以有效率地产生大量训练图片及标记，达成了不需要消耗大量人工标记时间进行手动标记的功效。
附图说明
[0007]图1是依照本专利技术实施例绘示一种物件辨识装置的方块图。
[0008]图2是依照本专利技术实施例绘示一种物件辨识方法的示意图。
[0009]图3是依照本专利技术实施例绘示一种物件辨识方法的流程图。
[0010]图4A是依照本专利技术实施例绘示一种产生老师模型与对抗样本的示意图。
[0011]图4B是依照本专利技术一实施例绘示一种产生物件辨识模型的示意图。
[0012]附图符号说明：
[0013]100：物件辨识装置；
[0014]PR：处理器；
[0015]ST：储存装置；
[0016]10：前处理模组；
[0017]20：老师模型训练模组；
[0018]30：学生模型训练模组；
[0019]PRD：数据前处理；
[0020]MT：模型训练；
[0021]DB：对抗样本；
[0022]DA：追踪样本；
[0023]DC：人工标记样本；
[0024]ORI：数据收集；
[0025]STM：学生模型；
[0026]TTM：老师模型；
[0027]STV：学生模型验证；
[0028]200，300：物件辨识方法；
[0029]310～340，410～474，510～590：步骤。
具体实施方式
[0030]以下说明为完成专利技术的较佳实现方式，其目的在于描述本专利技术的基本精神，但并不用以限定本专利技术。实际的
技术实现思路
必须参考之后的申请专利范围。
[0031]必须了解的是，使用于本说明书中的“包含”、“包括”等词，是用以表示存在特定的技术特征、数值、方法步骤、作业处理、元件以及/或组件，但并不排除可加上更多的技术特征、数值、方法步骤、作业处理、元件、组件，或以上的任意组合。
[0032]于申请专利中使用如“第一”、“第二”、“第三”等词是用来修饰申请专利中的元件，并非用来表示之间具有优先权顺序，先行关系，或者是一个元件先于另一个元件，或者是执行方法步骤时的时间先后顺序，仅用来区别具有相同名字的元件。
[0033]请参阅图1，图1是依照本专利技术实施例绘示一种物件辨识装置的方块图。物件辨识装置100包含一处理器PR及一储存装置ST。在一实施例中，处理器PR存取并执行储存装置ST中储存的程序，以实现一前处理模组10、一老师模型训练模组20及一学生模型训练模组30。于一实施例中，前处理模组10、老师模型训练模组20及学生模型训练模组30可以各自或一并由软件或固件实现之。
[0034]于一实施例中，储存装置ST可被实作为只读存储器、闪存、软盘、硬盘、光盘、随身盘、磁带、可由网络存取的数据库或本领域技术人员可轻易思及具有相同功能的储存媒体。
[0035]于一实施例中，前处理模组10、老师模型训练模组20及学生模型训练模组30可以各自或一并由一或多个处理器实现之，处理器可由集成电路如微控制单元(micro controller)、微处理器(microprocessor)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程逻辑门阵列(Field Programmable Gate Array，FPGA)、特殊应用集成电路(Application Specific Integrated Circuit，ASIC)或一逻辑电路来实施。于一实施例中，前处理模组10、老师模型训练模组20及学生模型训练模组30可以各自或一并由硬件电路实现之。举例而言，前处理模组10、老师模型训练模组20及学生模型训练模组30可藉由主动器件(例如开关、晶体管)、被动器件(例如电阻、电容、电感)所构成。于一实施例中，处理器PR用以存取储存装置ST中的前处理模组10、老师模型训练模组20及学生模型训练模组30各自的运算结果。
[0036]请参阅图2和图3，图2是依照本专利技术实施例绘示一种物件辨识方法的示意图。图3是依照本专利技术实施例绘示一种物件辨识方法的流程图。物件辨识方法200及物件辨识方法300可以由图1的器件实现之。由图2可看出，物件辨识方法200可分为数据收集ORI、数据前处理PRD、模型训练MT与学生模型验证STV等过程。以下以图3中的步骤配合图2进行说明。
[0037]于一实施例中，处理器PR用以存取前处理模组10、老师模型训练模组20及学生模型训练模组30或存取并执行储存装置ST中的程序/演算法，实现前处理模组10、老师模型训练模组20及学生模型训练模组30。于一实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物件辨识装置，其特征在于，包含：一处理器；以及一储存装置，所述处理器用以存取所述储存装置所储存的程序，以实现一前处理模组、一老师模型训练模组以及一学生模型训练模组；其中所述前处理模组，用以产生一追踪样本及一对抗样本；所述老师模型训练模组，以所述追踪样本训练出一老师模型；以及所述学生模型训练模组，依据所述老师模型初始化一学生模型；其中所述学生模型依据所述老师模型以及所述对抗样本调整所述学生模型的复数个参数，响应于所述学生模型的输出结果与所述老师模型的输出结果之间的向量差值小于一学习门槛值，则视为所述学生模型完成训练，提取所述学生模型作为一物件辨识模型。2.根据权利要求1所述的物件辨识装置，其特征在于，所述学生模型设置的深度学习模型的卷积层数及神经元数量小于所述老师模型的卷积层数及神经元数量，且所述学生模型的卷积层数及神经元数量对应的权重参数数量也小于所述老师模型的卷积层数及神经元数量对应的权重参数数量。3.根据权利要求1所述的物件辨识装置，其特征在于，所述前处理模组更用以接收一人工标记样本，响应于所述学生模型的所述输出结果与所述老师模型的所述输出结果之间的向量差值小于所述学习门槛值时，所述老师模型训练模组将所述人工标记样本输入所述老师模型进行训练，以产生一进修老师模型。4.根据权利要求3所述的物件辨识装置，其特征在于，所述老师模型训练模组将所述人工标记样本输入所述进修老师模型，响应于所述进修老师模型输出的一进修后张量与所述人工标记样本的向量差值小于一进修门槛值，则视为所述进修老师模型完成训练。5.根据权利要求3所述的物件辨识装置，其特征在于，所述学生模型训练模组将所述学生模型依据所述进修老师模型调整所述复数个参数，响应于所述学生模型的所述输出结果与所述进修老师模型的输出结果之间的向量差值小于所述学习门槛值，则视为所述学生模型完成训练，提取所述学生模型作为所述物件辨识模型。6.根据权利要求5所述的物件辨识装置，其特征在于，所述学生模型训练模组将所述学生模型依据所述进修老师模型调整所述复数个参数，响应于所述学生模型的一学生张量与所述进修老师模型的一老师张量之间的向量差值小于所述学习门槛值，则视为所述学生模型完成训练，提取所述学生模型作为所述物件辨识模型。7.根据权利要求1所述的物件辨识装置，其特征在于，所述前处理模组依据一光流演算法追踪每个画面中的一框选物件，以产生所述追踪样本；其中所述前处理模组将所述追踪样本加入一噪声或将所述追踪样本输入一生成式对抗网络，以产生所述对抗样本。8.根据权利要求7所述的物件辨识装置，其特征在于，所述前处理模组将所述追踪样本加入一噪声图，所述噪声图包括不同的物件类别的图像。9.根据权利要求1所述的物件辨识装置，其特征在于，所述学生模型调整偏权值及复数个权重，使得所述学生模型输出的所述输出结果趋近于所述老师模型的所述输出结果。10.根据权利要求1所述的物件辨识装置，其...

【专利技术属性】
技术研发人员：黄国伦，
申请(专利权)人：纬创资通股份有限公司，
类型：发明
国别省市：