买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州智元研究院有限公司

摘要：本发明涉及一种开放条件下分布内外图像识别方法，包括图像数据采集，构建训练数据集，并进行原始图像预处理；神经网络特征提取；计算交叉熵损失；模型更新；模型特征提取；置信度判断；计算能量得分、相似度得分和异常分数；根据异常分数进行异常类型判断；输出识别结果。本发明的有益效果是：本发明在神经网络训练阶段，在保证分布内图像分类精度的前提下，通过添加线性层来降低特征维度，保存训练集的特征向量用于分布外异常检测。当识别新输入的图像时，利用训练完成的神经网络模型进行推理得到输入图像的特征向量，计算本发明设计的分布外得分函数，从而判断是否为分布外异常类型。

主权项：1.一种开放条件下分布内外图像识别方法，其特征在于，包括：S1、进行神经网络训练；S1包括：S101、图像数据采集，构建训练数据集，并进行原始图像预处理；S102、神经网络特征提取；S103、计算交叉熵损失；S104、模型更新；S2、图像类型推理；S2包括：S201、模型特征提取；S202、置信度判断；S203、计算能量得分、相似度得分和异常分数；S204、根据异常分数进行异常类型判断；S205、输出识别结果；S201中，特征提取表示为：znew＝Zxnewlnew＝L1znewgnew＝L2relulnewfnew＝L3gnewpnew＝softmaxfnew其中，xnew为新输入的图像，znew为神经网络编码器Z输出的高维特征向量，lnew为第一层线性层L1输出，gnew为第二层线性层L2输出，fnew是分类线性层L3的逻辑向量，pnew＝{pnew1,pnew2,...,pnewC}为SoftMax激活函数输出的置信度向量；S202中，根据最大置信度进行初步判断，当最大置信度小于阈值τ时，即识别为异常类型图像，将该输入图像xnew标记为“Unknown”；当置信度高于阈值τ时，即pm≥τ时，由于模型会对未知图像产生高置信度，计算得分函数来判断；S203包括：S2031、计算能量得分，根据逻辑向量计算能量得分函数： S2032、计算相似度得分，根据神经网络得到不同维度的特征向量z,l,g，与训练集的特征向量进行余弦相似度计算，并根据得到的相似度进行加权求和； scoresim＝λ1simmaxznew,{zm}+λ2simmaxlnew,{lm}+λ3simmaxgnew,{gm}其中，scoresim是相似度得分函数，是输入图像xnew经过神经网络得到znew,lnew,gnew与分布内数据集余弦相似度最大值的加权和，λ1,λ2,λ3为权重；S2033、计算异常分数，表示为：score＝μ1scoreenergy+μ2scoresim其中，μ1，μ2为得分权重。

全文数据：

权利要求：

百度查询： 杭州智元研究院有限公司 一种开放条件下分布内外图像识别方法