一种基于图像固定特征的动态对抗训练方法及系统技术方案

本发明专利技术提出一种基于图像固定特征的动态对抗训练方法及系统，属于机器视觉和人工智能的技术领域，其中动态对抗训练方法包括以下步骤：步骤1、根据图像识别需求构建图像识别模型；步骤2、构建用于图像识别模型性能优化的训练数据集；步骤3、将模型性能优化过程划分成训练阶段一和训练阶段二；步骤4、在不同的训练阶段对训练数据集中的数据进行按需处理；步骤5、利用步骤4中的训练数据，对不同阶段中的图像识别模型进行性能训练；步骤6、输出最终优化后的图像识别模型。通过分阶段模型训练，以及构建不同训练数据集的方式，达到在图片训练数据集不充分且不增加图片训练数据集的情况下，极大提高图片识别模型识别准确率的目的。大提高图片识别模型识别准确率的目的。大提高图片识别模型识别准确率的目的。

【技术实现步骤摘要】
一种基于图像固定特征的动态对抗训练方法及系统


[0001]本专利技术属于机器视觉和人工智能的
，特别是涉及一种基于图像固定特征的动态对抗训练方法及系统。

技术介绍

[0002]随着移动互联网技术的发展，图片已经成为网络发展中的主要信息载体。图像识别技术已经在视频监控中得到有效应用，可以代替工作人员时刻盯着监控视频进行信息判断，极大提高工作效率，该应用的前提是图片识别模型的识别率要非常高。
[0003]在针对图片分类的实际应用过程中，为了提高模型的分类效果，现有技术中，常采用增加图片训练数据集，或者使用数据增强的方式丰富图片数据。因此，对于图片分类问题，在图片训练数据集充分的情况下，使用传统算法框架训练出一个图片识别模型，该模型会有非常好的识别效果。
[0004]但现实中大多数情况下，图片训练数据集是不够充分的，使用传统算法框架训练获得的一个图片识别模型，模型容易出现过拟合现象，使得在测试集上的准确率并不能满足实际需求。

技术实现思路

[0005]专利技术目的：提出一种基于图像固定特征的动态对抗训练方法及系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像固定特征的动态对抗训练方法，其特征在于，包括以下步骤：步骤1、根据图像识别需求构建图像识别模型；步骤2、构建用于图像识别模型性能优化的训练数据集；步骤3、将模型性能优化过程划分成训练阶段一和训练阶段二；步骤4、在不同的训练阶段对训练数据集中的数据进行按需处理；步骤5、利用步骤4中的训练数据，对不同阶段中的图像识别模型进行性能训练；步骤6、在性能训练完成后，输出最终优化后的图像识别模型。2.根据权利要求1所述的一种基于图像固定特征的动态对抗训练方法，其特征在于，在不同的训练阶段采用训练数据集中的数据进行性能训练的过程，包括以下步骤：步骤5.1、在所述训练阶段一中，根据应用需求构建用于图片识别的模型一；步骤5.2、读取训练数据集中的图像数据；步骤5.3、根据实际分析需求，对步骤5.2中的图像数据执行数据处理；步骤5.4、利用步骤5.3中处理后的图像数据对步骤5.1中的模型一执行性能训练；步骤5.5、输出步骤5.4中完成性能训练的模型一。3.根据权利要求2所述的一种基于图像固定特征的动态对抗训练方法，其特征在于，所述步骤5.3中，执行数据处理的过程包括以下步骤：步骤5.3.1、将读取到的图像数据作为第一图像数据；步骤5.3.2、对所述第一图像数据执行数据增强；步骤5.3.3、对所述第一图像数据中的重要识别特征像素区域做标注框；所述重要识别特征为实际作业过程中目标对象所在区域的特征；步骤5.3.4、存储所述标注框的坐标信息；步骤5.3.5、利用数据增强后的第一图像数据对模型一进行迭代训练。4.根据权利要求3所述的一种基于图像固定特征的动态对抗训练方法，其特征在于，所述步骤5.3.2中的数据增强过程中，按需对第一图像数据执行的操作包括：旋转、剪切、翻转、加噪点。5.根据权利要求1所述的一种基于图像固定特征的动态对抗训练方法，其特征在于，在不同的训练阶段采用训练数据集中的数据进行性能训练的过程，还包括以下步骤：步骤Ⅰ、在所述训练阶段二中，读取训练阶段一中的输出模型；步骤Ⅱ、读取训练数据集中的图像数据；步骤Ⅲ、根据实际分析需求，对步骤Ⅱ中的图像数据执行数据处理；步骤Ⅳ、判断当前是否在预设的迭代次数内，若在，则利用步骤Ⅲ中处理后的图像数据对当前模型执行性能训练，跳转步骤Ⅲ；所述当前模型在训练阶段二刚开始的时候，是训练阶段一中的输出模型；所述当前...

【专利技术属性】
技术研发人员：张焰华，魏学备，
申请(专利权)人：中科方寸知微南京科技有限公司，
类型：发明
国别省市：