一种基于对比思想和集成判别的图像开集识别方法技术

本发明专利技术提供了一种基于对比思想和集成判别的图像开集识别方法，包括读取图像数据集、建立神经网络模型结构、训练神经网络模型结构、建立集成未知判别器以及进行图像开集识别。本发明专利技术公开的一种基于对比思想和集成判别的图像开集识别方法，通过建立神经网络模型结构、使用对比学习训练思想进行模型训练以及最后使用集成未知判别器进行图像开集识别，能够有效减少在混合场景下，已知类样本与未知类样本之间的错误分类情况，提高图像开集识别的准确率。确率。确率。

【技术实现步骤摘要】
一种基于对比思想和集成判别的图像开集识别方法


[0001]本专利技术属于计算机视觉领域，尤其是涉及一种基于对比思想和集成判别的图像开集识别方法。

技术介绍

[0002]计算机视觉是人工智能的一个领域，是指让计算机和系统能够从图像、视频或其他视觉输入中获取有意义的信息，并根据该信息采取行动或提供建议。如果说人工智能赋予计算机思考的能力，那么计算机视觉就是赋予发现、观察和理解的能力。
[0003]在计算机视觉中，图像识别是计算机视觉中一个基础且核心的分支，它能够准确地识别给定图像属于某个类别。随着人工智能领域的兴起，图像识别技术在安全检查、身份核验、商品流通等领域得到了广泛应用，因此图像识别具有极大的应用价值。
[0004]随着计算机性能的快速提高以及深度学习技术的飞速发展，图像识别领域诞生了一大批优秀的基于深度学习的模型，卷积神经网络具有强大的信息提取能力，以卷积神经网络为代表的深度学习在识别准确度和稳定性方面远远超过了传统图像识别算法。虽然图像识别领域的研究已经得到了广泛的应用，但是为了应用于现实，面对开放世界，图像识别模型还必本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对比思想和集成判别的图像开集识别方法，其特征在于：包括：步骤一：读取图像数据集：计算机读取图像数据集，把图像数据集划分为训练数据集和测试数据集；步骤二：建立神经网络模型结构：神经网络模型结构包括编码器、解码器以及分类器，编码器和解码器用于对输入图像进行编解码处理，分类器是一个利用编码器提取的特征进行已知类分类的全连接网络；步骤三：训练神经网络模型结构：将步骤一中带有标签的训练数据集输入到步骤二中建立的神经网络模型结构中进行模型训练，并记录已知类图像样本的特征以及重构误差；步骤四：建立集成未知判别器：集成未知判别器包括基于重构误差分布的未知检测器以及基于特征分布的未知检测器；步骤二中的分类器预测结果以及步骤三中的重构误差分别输入到基于重构误差分布的未知检测器中，步骤二中编码器提取的特征输入到基于特征分布的未知检测器中，基于重构误差的未知检测器在分类器预测结果的引导下判断重构误差是否属于该类别，同时基于特征的未知检测器与所有类别的特征分布进行比对判断是否属于某个已知类，如果任意一个未知检测器通过分位数阈值将待识别样本判断为未知样本，则最终将该样本视为未知类别，否则为已知类别，并把分类器预测结果作为待识别样本的分类结果；步骤五：进行图像开集识别：将待识别图像输入到步骤二建立的神经网络模型结构中，经过步骤四建立的集成未知判别器输出待识别图像属于某个已知类别或者未知类别。2.根据权利要求1所述的一种基于对比思想和集成判别的图像开集识别方法，其特征在于：在步骤三中，训练神经网络模型结构使用的损失函数L
总
如下：L
总
＝αL
cls
+βL
kls
+γL
sc
+δL
rec
+ξL
klu
其中，α，β，γ，δ，ξ均是权重参数；其...

【专利技术属性】
技术研发人员：葛演彦，杨阳，邢磊，李北辰，
申请(专利权)人：天津大学，
类型：发明
国别省市：