一种采用少量数据样本学习的违规图像检测方法技术

本发明专利技术公开了一种采用少量数据样本学习的违规图像检测方法，其特征在于，包括如下步：1）数据增强；2）将经过数据增强的图像，输入新设计的模型进行训练；这种方法能识别鉴定多种类型的违规图像、高维数据处理能力强，泛化能强，精度和鲁棒性高。精度和鲁棒性高。精度和鲁棒性高。

【技术实现步骤摘要】
一种采用少量数据样本学习的违规图像检测方法


[0001]本专利技术涉及人工智能、违规数据检测技术，具体是一种采用少量数据样本学习的违规图像检测方法。

技术介绍

[0002]传统的违规图像检测算法在被给定输入图像时，往往需要手动提取特征，且对于复杂的高维数据处理能力较弱，缺乏泛化能力，因此精度和鲁棒性有限。而且目前国内外针对违规数据认定的相关研究，多为面向独立的违规数据类型所展开，比如专注于成人图像、枪支图像或暴力图像等中的一项进行研究，以将该项违规图像样本从大量待检测样本中甄别出来。
[0003]传统的机器学习方法中，对成人图像进行检测的方式主要分为基于肤色和纹理特征建模的方法和基于手工特征的模式识别方法。Grega等提出一种自动检测和识别闭路电视系统中出现的危险情况的算法，能够在低误报率下进行枪支检测。然而最终商用的算法为一个感知支持系统，因为这样一个自动系统无法评估整体状况，从而无法给出当前环境中潜在危险的严重性。D
é
niz等在研究暴力行为检测时，结合心理学的研究成果提出了一种新算法，通过连续帧来估计极端加速度，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用少量数据样本学习的违规图像检测方法，其特征在于，包括如下步骤：1)数据增强：对类不平衡违规图像数据集中样本数据进行预处理：对类不平衡违规图像数据集中除样本数量最多类之外的类别进行扩充，即采用添加高斯噪声、添加盐和胡椒粉噪声、添加泊松噪声、图像旋转和图像翻转的方式增强数据集，同时，对图片尺寸进行统一化处理；2)将经过数据增强的图像，输入新设计的模型进行训练：包括：2
‑
1)初步特征提取：输入的图像首先经过7x7卷积核大小的卷积层，初步提取特征，得到特征图，而后采用BN层将步骤1)得到的特征图进行标准化，使特征图内的元素具有零均值和单位方差，激活函数为Leaky ReLU，最后，通过MaxPool缩小特征图的尺寸；2
‑
2)特征图输入多路残差块进行进一步特征运算：对步骤2
‑
1)处理后的特征图，分三路进行处理，具体过程如下：2
‑2‑
1)第一路接受步骤2
‑
1)处理后的特征图后，输入1x1的卷积核组成的卷积层进行处理，在不同通道之间进行线性组合，在1x1卷积层后采用BN层和Leaky ReLU激活函数，1x1卷积层，BN层和Leaky ReLU激活函数视为第一种组合，在第一路中，堆叠三个这样的组合，输出为经过第一种组合处理后的特征图；2
‑2‑
2)第二路接受步骤2
‑
1)处理后的特征图后，输入3x3的卷积核组成的卷积层进行处理，提取图像中的局部特征检测到像素之间的关系，在3x3卷积层采用BN层和Leaky ReLU激活函数，3x3卷积层，BN层和Leaky ReLU激活函数视为第二种组合，在第二路中，堆叠三个这样的组合，输出为经过第二种组合处理后的特征图；2
‑2‑
3)第三路接受步骤2<...

【专利技术属性】
技术研发人员：丁勇，高上腾达，梁海，杨昌松，李春海，李振宇，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：