[發明專利]一種基于深度神經網絡的開集類別發掘與擴展方法與裝置

有效

• 申請號: 201710780217.2
• 申請日: 2017-09-01
• 公開（公告）號: CN107506799B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 田永鴻;舒彧;史業民;王耀威;袁慶升
• 申請（專利權）人: 北京大學;國家計算機網絡與信息安全管理中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 北京晉德允升知識產權代理有限公司 11623
• 代理人: 楊移;萬鐵占

1.一種基于深度神經網絡的樣本分類方法，其特征在于，包括如下步驟：

S1，使用包含已定義類別樣本的樣本集訓練待擴展分類模型，獲得所述待擴展分類模型的分類閾值信息，其中，所述已定義類別樣本是視頻圖像中預定義的已知類別樣本，所述待擴展分類模型為視頻圖像中預定義的已知類別樣本訓練初始固定類別數的深度神經網絡分類模型，所述分類閾值信息包括接受閾值、拒絕閾值和距離閾值；

S2，將包含未定義類別樣本的樣本集送入所述待擴展分類模型，根據所述待擴展分類模型的分類閾值信息確定至少部分所述未定義類別樣本；

S3，人工標注至少部分步驟S2中確定的所述未定義類別樣本；

S4，在所述深度神經網絡的分類層中增加權值轉移矩陣列數，以增加模型識別類別的總數，其中，增加的權值列中包含與全局分類相關的第一信息和與類別間聯系相關的第二信息；

S5，用步驟S3中人工標注的未定義類別樣本增量訓練步驟S4中更新后的模型。

2.如權利要求1所述的方法，其特征在于，

使用包含已定義類別樣本的樣本集訓練待擴展分類模型，獲得所述待擴展分類模型的分類閾值信息具體為：使用包含已定義類別樣本的樣本集訓練待擴展分類模型，獲得所述待擴展分類模型已定義類別的接受閾值、拒絕閾值、和距離閾值；

根據所述待擴展分類模型的分類閾值信息確定至少部分所述未定義類別樣本具體為：提取包含未定義類別樣本的樣本集在深度神經網絡分類層的特征激活值，根據所述特征激活值和所述接受閾值、拒絕閾值、和距離閾值確定至少部分所述未定義類別樣本。

3.如權利要求2所述的方法，其特征在于，

獲得所述待擴展分類模型已定義類別的接受閾值包括如下步驟：

獲得正確分類的樣本x_i的激活特征向量：

其中i表示樣本x被正確分類為i類，n表示已定義類別總數，

樣本x對應的i類已知類別的激活特征值f_i＝v_i(x_i)，

確定接受閾值為：

其中X為正確識別為i類的樣本總個數，f_i，j為第j個樣本對應的i類已知類別的激活特征值。

4.如權利要求2所述的方法，其特征在于，

獲得所述待擴展分類模型已定義類別的拒絕閾值μ_i具體為：

μ_i＝ε*η_i

其中，每一類已知類別的接受閾值為η_i，ε為拒絕權重。

5.如權利要求4所述的方法，其特征在于，

所述拒絕權重ε取值為0.6。

6.如權利要求2所述的方法，其特征在于，獲得所述待擴展分類模型已定義類別的距離閾值具體為：

其中，Mean為計算平均值函數，為正確分類的樣本x_i激活特征向量，f_i＝v_i(x_i)為樣本x對應的i類已知類別的激活特征值，為次級激活特征值，其中函數返回激活向量中第二大激活值，s_i，j為第j個樣本對應的次級激活特征值，f_i，j為第j個樣本對應的i類已知類別的激活特征值。