[发明专利]稀有实例分类器

权利要求书

1.一种方法，包括：

接收输入图像；

使用普通实例神经网络处理输入图像，其中，所述普通实例神经网络被配置为处理输入图像以生成普通实例输出，所述普通实例输出包括与一个或多个第一对象类别中的每一个相对应的各自的第一对象分数，每个第一对象分数表示输入图像包括属于对应的第一对象类别的对象的图像的可能性；

使用稀有实例神经网络处理输入图像，其中，所述稀有实例神经网络被配置为处理输入图像以生成包括稀有度分数的稀有实例输出，所述稀有度分数表示输入图像将被普通实例神经网络不正确分类的可能性；

在使用稀有度分数对输入图像进行分类时，确定要被分配给一个或多个各自的第一对象分数的权重；以及

根据所确定的权重对输入图像进行分类。

2.根据权利要求1所述的方法，其中，所述稀有实例神经网络具有比所述普通实例神经网络更少的参数。

3.根据权利要求1或2中任一项所述的方法，其中，所述稀有实例神经网络已经在由普通实例神经网络误分类的训练图像上被训练。

4.根据权利要求1-3中任一项所述的方法，其中，所述稀有实例神经网络已经在用来训练普通实例神经网络的图像中罕见的对象类型的图像上被训练。

5.根据权利要求1-4中任一项所述的方法，其中：

所述稀有实例输出还包括与一个或多个第二对象类别中的每一个相对应的各自的第二对象分数，每个第二对象分数表示输入图像包括属于对应的第二对象类别的对象的图像的可能性；并且

该方法还包括在使用稀有度分数对输入图像进行分类时，确定用以分配一个或多个第二对象分数的权重。

6.根据权利要求5所述的方法，其中，第二对象类别包括第一对象类别中的一个或多个。

7.根据权利要求5或6中任一项所述的方法，其中，确定用以分配一个或多个第二对象分数的权重包括使用稀有度分数作为第二对象分数的权重。

8.根据权利要求5或6中任一项所述的方法，其中，确定用以分配一个或多个第二对象分数和一个或多个第一对象分数的权重包括：

确定稀有度分数不满足预定阈值，以及

作为响应，在对输入图像进行分类时减小分配给一个或多个各自的第二对象分数的权重。

9.根据权利要求5或6中任一项所述的方法，其中，确定用以分配一个或多个第二对象分数和一个或多个第一对象分数的权重包括：

确定稀有度分数满足预定阈值，以及

响应于确定稀有度分数满足预定阈值，在对输入图像进行分类时减小分配给一个或多个各自的第一对象分数的权重。

10.根据权利要求9所述的方法，其中，减小分配给一个或多个各自的第一对象分数的权重包括将权重分配给指示在对输入图像进行分类时不使用第一对象分数的值。

11.根据权利要求5-10中任一项所述的方法，其中，对输入图像进行分类包括：

使用组合神经网络处理普通实例输出和稀有实例输出，其中，所述组合神经网络被配置为计算与一个或多个第一对象类别中的每一个相对应的各自的第三对象分数，每个第三对象分数基于所确定的分配给一个或多个各自的第一对象分数的权重和所确定的分配给一个或多个各自的第二对象分数的权重而计算；以及

基于各自的第三对象分数值对输入图像进行分类。

12.根据权利要求1-11中任一项所述的方法，其中，确定用以分配一个或多个各自的第一对象分数的权重包括：

确定稀有度分数满足预定阈值；以及

响应于确定稀有度分数满足预定阈值，在对输入图像进行分类时减小分配给一个或多个各自的第一对象分数的权重。