[發明專利]一種應對增量式新類圖像數據的魯棒弱監督分類方法

在審

• 申請號: 202110447613.X
• 申請日: 2021-04-25
• 公開（公告）號: CN113095429A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 李宇峰;周志華;朱永南
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京樂羽知行專利代理事務所(普通合伙) 32326
• 代理人: 李玉平

1.一種應對增量式新類圖像數據的魯棒弱監督分類方法，其特征在于，對增量式圖像數據的分類任務采用分而治之的策略：對于已標注圖像，直接加入并更新標注單元；對于無標注圖像，基于隨機森林的新類發現單元對無標注數據進行評估，用以判斷輸入新來圖像是否屬于未見過的新類別；如其屬于已知類別，則利用歷史已知類別的數據和標記傳播算法快速得到預測標注類別后更新標注單元；如其屬于未見過的新類別，則先將該圖像數據放入緩存器中，當收集設定數量的新類圖像時，及時更新新類發現單元和已知類別標注單元，并清空數據緩存器以持續發現更多新類圖像。

2.根據權利要求1所述的應對增量式新類圖像數據的魯棒弱監督分類方法，其特征在于，新類圖像數據的發現單元工作過程為：通過已知類別圖像數據的隨機森林算法，記錄每棵決策樹所有葉子節點與根節點的平均距離，記為

其中leaf set和leaf_i分別表示所有葉子節點集和第i個葉子節點，并記錄每個節點下圖像數據的球形半徑，

其中O為當前節點下數據樣本的集合，c為當前節點下數據樣本的均值；

對于新來圖像數據，將其放入決策樹進行預測，根據劃分標準依次從根節點遞歸向下，并計算其與節點聚類簇中心的距離；若大于球形半徑，記錄當前節點與決策樹根節點的距離；若大于平均距離l₀，則該新來圖像與現有歷史數據相差較遠，預測為新類，否則預測為已知類別；從魯棒性的角度出發，綜合多棵決策樹的預測結果加以投票，得到最終結果。

3.根據權利要求1所述的應對增量式新類圖像數據的魯棒弱監督分類方法，其特征在于；已知類別圖像的標注單元工作過程為：通過采用弱監督學習的標記傳播算法，圖像標注單元自動利用有限的標注數據和大量的無標注數據，得到標注結果；標注單元通過采樣多組歷史數據來構建模型提高魯棒性和效率。

4.根據權利要求1所述的應對增量式新類圖像數據的魯棒弱監督分類方法，其特征在于，模型更新單元工作流程為：當數據緩存器收集設定數量的新類圖像，則將其作為已知類別的圖像數據加入標注單元，清空數據緩存器；標注單元加入新類圖像，則依照已有類別的標準對新類圖像進行處理，用于發現更多未標記圖像的標記；新類圖像數據的發現單元，合并新類圖像和已知類別圖像，重新構建完全隨機森林以持續發現新類圖像。

5.根據權利要求1所述的應對增量式新類圖像數據的魯棒弱監督分類方法，其特征在于，圖像數據的弱監督分類方法實現步驟如下：

步驟(1)新增一張圖像，判斷是否具有標注；如有，則將其加入已知類別的圖像數據集合，轉步驟(2)，否則轉步驟(3)；

步驟(2)根據新數據集更新已知類別圖像標注單元，得到預測標注；

步驟(3)采用新類發現單元判別圖像是否屬于新類，如是，轉步驟(4)，否則將其加入已知類別的圖像數據集合，轉步驟(2)；

步驟(4)如新類數據數目小于設定閾值，結束本次輸入圖像的處理，否則將收集到的新類數據加入已知類別的圖像數據集合，轉步驟(2)；

重復以上步驟直至所有新增圖像分類完畢。