[发明专利]一种主动学习自迭代的图像分类方法和系统

权利要求书

1.一种主动学习自迭代的图像分类方法，其特征在于，包括：

模型训练步骤，在训练样本中对目标进行类别的人工标注，并将已进行人工标注的所述训练样本输入至一目标检测模型和一度量学习模型中，对所述目标检测模型和所述度量学习模型进行训练；

推理计算步骤，使用训练好的所述目标检测模型和所述度量学习模型对一待检测图像中的所述目标进行识别分类。

2.如权利要求1所述的主动学习自迭代的图像分类方法，其特征在于，所述模型训练步骤包括：

目标检测训练步骤，将所述训练样本的所述目标的类别设置为同一类别，并将所述训练样本输入至所述目标检测模型中，对所述目标检测模型进行训练；

度量学习训练步骤，将所述训练样本的所述目标的图像单独截取，区分所述目标的类别，并将单独截取出的所述目标的图像输入至所述度量学习模型中，对所述度量学习模型进行训练。

3.如权利要求2所述的主动学习自迭代的图像分类方法，其特征在于，所述推理计算步骤包括：

素材库映射步骤，将单独截取出的所述训练样本的所述目标的图像作为素材库，使用训练好的所述度量学习模型对所述素材库进行度量空间的映射，生成素材embedding；

目标检测步骤，使用训练好的所述目标检测模型对所述待检测图像中的所述目标进行定位识别；

目标映射步骤，使用训练好的所述度量学习模型对已定位识别的所述目标进行度量空间的映射，生成目标embedding；

相似度计算步骤，将所述目标embedding与所述素材embedding进行比较，计算相似度，并得到所述目标的类别。

4.如权利要求1所述的主动学习自迭代的图像分类方法，其特征在于，所述方法还包括一主动学习步骤：

使用训练好的所述目标检测模型和所述度量学习模型，根据一预设条件从所述待检测图像中筛选出再训练样本，并将所述再训练样本再输入至所述目标检测模型和所述度量学习模型中，对所述目标检测模型和所述度量学习模型进行再训练。

5.如权利要求4所述的主动学习自迭代的图像分类方法，其特征在于，所述预设条件为使用不确定指标筛选出的最不确定样本。

6.如权利要求5所述的主动学习自迭代的图像分类方法，其特征在于，所述主动学习步骤包括：

模型评分步骤，使用训练好的所述目标检测模型和所述度量学习模型，对所述待检测图像进行目标检测评分和度量评分；

样本筛选步骤，根据所述目标检测评分和所述度量评分结果从所述待检测图像中筛选出再训练样本。

7.如权利要求6所述的主动学习自迭代的图像分类方法，其特征在于，所述样本筛选步骤还包括：

将所述目标检测评分低于一定阈值、所述度量评分高于一定阈值的所述待检测图像作为所述再训练样本，并将其直接再输入至所述目标检测模型和所述度量学习模型中进行再训练。

8.如权利要求6所述的主动学习自迭代的图像分类方法，其特征在于，所述样本筛选步骤还包括：

将所述目标检测评分高于一定阈值、所述度量评分低于一定阈值的所述待检测图像作为所述再训练样本，并对其进行再标注后，再输入至所述目标检测模型和所述度量学习模型中进行再训练。

9.一种主动学习自迭代的图像分类系统，其特征在于，包括：

模型训练单元，在训练样本中对目标进行类别的人工标注，并将已进行人工标注的所述训练样本输入至一目标检测模型和一度量学习模型中，对所述目标检测模型和所述度量学习模型进行训练；

推理计算单元，使用训练好的所述目标检测模型和所述度量学习模型对一待检测图像中的所述目标进行识别分类。

10.如权利要求9所述的主动学习自迭代的图像分类系统，其特征在于，所述系统还包括一主动学习单元：

使用训练好的所述目标检测模型和所述度量学习模型，根据一预设条件从所述待检测图像中筛选出再训练样本，并将所述再训练样本再输入至所述目标检测模型和所述度量学习模型中，对所述目标检测模型和所述度量学习模型进行再训练。