一种利用辅助数据集和格拉姆矩阵的汽车异类检测方案制造技术

本发明专利技术公开了一种利用辅助数据集和格拉姆矩阵的汽车异类检测方案，该方案包括以下几个步骤：建立汽车训练数据集、非汽车辅助训练数据集和测试数据集；预处理数据并构建卷积神经网络，在训练数据集和辅助数据集上进行预训练；计算网络各层的Gram矩阵，作为该层单类支持向量机(OSVM)的输入，并根据各层OSVM的正确率，选择其中最高的作为整个系统的异类检测分类器。这种方案提高了卷积神经网络对汽车异类检测的精度，同时增强了系统的鲁棒性和泛化能力。力。力。

【技术实现步骤摘要】
一种利用辅助数据集和格拉姆矩阵的汽车异类检测方案


[0001]本专利技术属于网络图像分类领域和分布外数据(Out
‑
of
‑
Distribution，OOD)异类检测领域。特别涉及针对提高系统对汽车异类检测的正确率的需求，设计了一种利用辅助数据集和格拉姆矩阵的汽车异类检测方案。

技术介绍

[0002]逐渐成熟神经网络技术已渗透到人们生活各处，包括语音处理、目标检测、目标分类等多个领域。特别是在交通系统中，神经网络已成为了针对汽车进行检测的重要手段和先进工具。但是在实际应用过程中，由于交通路况的复杂性，系统往往会受到其他不确定因素的干扰。因此，系统是否能够有效检测出数据集中非汽车的异类样本已然成为一个重要课题。
[0003]现有的一些传统检测方法，就是在训练网络的阶段，扩大所用到的非异常数据集和异常数据集。但是，由于在项目的实际应用中，异常数据的分布是不可知的，所以在这个方法中，要用到的异常数据训练集会非常庞大，同时，网络的架构也会十分的庞大，这会让整个网络的训练过程变得非常复杂繁琐，且计算量非常巨大。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用辅助数据集和格拉姆矩阵的汽车异类检测系统，其特征在于：所述的系统用到的数据汽车训练数据集、非汽车辅助数据集、测试数据集；训练数据集和辅助数据集用于预训练网络；系统用到的网络通过训练后，计算各层Gram矩阵，并作为该层OSVM的输入；计算各层OSVM的正确率，并选择最高的作为系统的异类检测分类器；测试数据输入网络，由上述的OSVM进行异类数据的判断。2.一种利用权力要求1所述的了一种利用辅助数据集和格拉姆矩阵的汽车异类检测方案，其特征在于，包括以下几个步骤：步骤1：准备数据集；步骤2：利用训练数据集预训练网络；步骤3：计算各层Gram矩阵和训练对应的OSVM；步骤4：筛选出最优OSVM；步骤5：对测试数据进行异类检测。3.根据权利要求2所述的方法，其特征在于，步骤1的具体实现包括以下子步骤：步骤1.1：训练的汽车数据集与非汽车辅助数据集，该两个集合不相交；步骤1.2：对上述数据集进行预处理，包括对图像进行一系列变换和加干扰进一步扩大数据集。4.根据权利要求...

【专利技术属性】
技术研发人员：林威，李玉鑑，刘晴，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：