【技术实现步骤摘要】
本专利技术涉及视觉识别，具体涉及一种视觉目标识别方法及系统。
技术介绍
1、自动目标识别(atr)算法处理多个传感器地获取地信息，以识别场景中出现地目标，自动目标识别算法能够检测不同尺度和范围的目标，这些目标通常无法被肉眼识别，此外，该算法可以有效地消除目标获取和识别过程中的人为干预，使其成为一个成功的自动识别系统。因此，tr系统广泛用于不同的商业和军事应用。
2、自动目标识别算法由检测和分类两个主要部分组成：其中，检测组件通常涉及计算简单的区域提议管道，而目标提议从运动或通过消除周围杂波来生成；分类组件则包括用于对目标类别进行分类的特征提取和模式识别，开集识别是一个处理“未知”类地问题，这些类别在训练期间不参与推理，而传统的闭集分类器假设只有已知类别。
3、对于开集分类，采用openmax或softmax对短程目标进行分类效果相当好，然而，随着输入数据范围的增加，开集分类的性能会下降，这是因为随着范围的增加，目标尺寸的减小，并且网络发现甚至学习有区别的已知类别特征都很困难，从而导致其较差的性能，即主要问题是无法识别推理过程中出现的未知类别。
技术实现思路
1、本专利技术提供一种视觉目标识别方法及系统，旨在解决现有的自动目标算法无法识别推理过程中出现的未知类别的问题。
2、第一方面，本专利技术实施例提供了一种视觉目标识别方法，其包括以下步骤：
3、s1、提取视觉目标的特征，并对提取到的所述特征进行分类，以得到样本类别；其中，所述样本类
4、s2、利用类别感知二进制分类器对给定样本进行类别判定，以确定所述给定样本的样本类别；其中，每个所述类别感知二进制分类器均学习判定边界；
5、s3、对确定后的所述给定样本的样本类别进行检测验证。
6、优选的，所述步骤s1中，所述已知样本利用特征提取器和全连接层的闭集分类器进行分类。
7、优选的，定义数据集为d＝dtrain∪dtest；其中，所述dtrain分为已知类别数据ktrain和未知类别数据utrain，检测数据集为dtest＝ktest∪utest；
8、所述其被用于训练开集目标识别模型；其中，所述所述nk为已知类别的数量，所述ntrain为训练数据集的大小；
9、所述闭集分类器利用交叉熵损失在所述ktrain上训练，并更新所述特征提取器和所述全连接层的参数，所述给定样本中输入的图像为(x,y)∈ktrain，所述交叉熵损失的定义公式如下：
10、
11、其中，所述∏y(i)为标签y的指示函数，所述pic＝б(c(z))，其表示x属于第i类的预测概率，所述z＝f(x)，其表示特征向量，所述б表示激活函数；
12、对所述已知样本执行熵最小化以应对各种尺度正则闭集分类器的定义公式如下：
13、
14、优选的，所述步骤s2中，定义所述已知样本为正，所述未知样本为负；训练二元分类为负的所述未知样本的偏差损失的定义公式如下：
15、lcbc(x,y)＝-log(pyo)-mini≠jlog(1-pio)；
16、其中，所述pio＝б(fi(z))，其是x被fi分类为已知类别的概率，为类别感知的二元分类器；
17、用于模型训练的总损失的定义公式如下：
18、ltotal(x,y)＝lce(x,y)+lcbc(x,y)+λlent(x,y)。
19、优选的，所述步骤s3中，对确定后的所述给定样本的样本类别进行检测验证的子步骤如下：
20、先计算所述给定样本的特征映射ztest＝f(xtest)，再将其分类到已知类别中，然后选择相应的所述二元分类器作为开集检测器，并检测类别感知判定边界是否检测出所述xtest为未知样本；
21、检测所述xtest是否为未知样本的方式为比较和预定义的阈值γ的大小：
22、当所述则将其归类为所述未知样本；当则将其归类为所述已知样本。
23、第二方面，本专利技术实施例提供了一种视觉目标识别系统，其包括：
24、分类模块，所述分类模块用于提取给定样本的特征，并对提取到的所述特征进行分类，以得到样本类别；其中，所述样本类别包括已知样本和未知样本；
25、判定模块，所述判定模块用于利用类别感知二进制分类器对给所述定样本进行类别判定，以确定所述给定样本的样本类别；其中，每个所述类别感知二进制分类器均学习判定边界；
26、检测模块，所述检测模块用于对确定后的所述给定样本的样本类别进行检测验证。
27、与现有技术相比，本专利技术的视觉目标识别方法通过利用类别感知二进制分类器对给定样本进行类别判定，从而可以有效的识别各种范围内推理过程中出现的未知类别。
本文档来自技高网...【技术保护点】
1.一种视觉目标识别方法，其特征在于，所述视觉目标识别方法包括以下步骤：
2.如权利要求1所述的视觉目标识别方法，其特征在于，所述步骤S1中，所述已知样本利用特征提取器和全连接层的闭集分类器进行分类。
3.如权利要求2所述的视觉目标识别方法，其特征在于，
4.如权利要求3所述的视觉目标识别方法，其特征在于，
5.如权利要求4所述的视觉目标识别方法，其特征在于，所述步骤S3中，对确定后的所述给定样本的样本类别进行检测验证的子步骤如下：
6.一种视觉目标识别系统，其特征在于，所述视觉目标识别系统包括：
【技术特征摘要】
1.一种视觉目标识别方法，其特征在于，所述视觉目标识别方法包括以下步骤：
2.如权利要求1所述的视觉目标识别方法，其特征在于，所述步骤s1中，所述已知样本利用特征提取器和全连接层的闭集分类器进行分类。
3.如权利要求2所述的视觉目标识别方法，其特征在于，
【专利技术属性】
技术研发人员：王华龙，李泽辉，杨海东，魏登明，霍文英，
申请(专利权)人：佛山市南海区广工大数控装备协同创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。