[发明专利]未知类别的检测和用于未知类别的分类器的初始化

说明书

相关申请的交叉引用

本申请要求于2015年8月4日提交且题为“DETECTION OF UNKNOWN CLASSES AND INITIALIZATION OF CLASSIFIERS FOR UNKNOWN CLASSES(未知类别的检测和用于未知类别的分类器的初始化)”的美国临时专利申请No.62/201,090的权益，其公开内容通过援引全部明确纳入于此。

背景

领域

本公开的某些方面一般涉及机器学习，并尤其涉及改进用于检测未知类别以及初始化用于未知类别的分类器的系统和方法。

背景技术

可包括一群互连的人工神经元(例如，神经元模型)的人工神经网络是一种计算设备或者表示将由计算设备执行的方法。人工神经网络可具有生物学神经网络中的对应的结构和/或功能。

卷积神经网络是一种前馈人工神经网络。卷积神经网络可包括可被配置在平铺感受野中的神经元层。卷积神经网络(CNN)具有众多应用。具体而言，CNN已被广泛使用于模式识别和分类领域。

深度学习架构(诸如，深度置信网络和深度卷积网络)已经被越来越多地用于对象识别应用中。类似于卷积神经网络，这些深度学习架构中的计算可分布在处理节点群体上，其可被配置在一个或多个计算链中。这些多层架构提供更大灵活性，因为它们可以一次被训练一层并可使用反向传播进行微调。

其他模型也可用于对象识别。例如，支持向量机(SVM)是可被应用于分类的学习工具。支持向量机包括对数据进行归类的分离超平面(例如，决策边界)。该超平面由监督式学习来定义。期望的超平面增加训练数据的裕量。换言之，超平面应该具有到训练示例的最大的最小距离。

尽管这些解决方案在数个分类基准上达到了优异的结果，但它们的计算复杂度可能极其高。另外，模型的训练可能是有挑战性的。

概述

在本公开的一个方面，公开了一种检测未知类别的方法。该方法包括生成用于第一类别的第一分类器。在一种配置中，该第一分类器的输出具有至少为二的维度。该方法还包括设计第二分类器以接收该第一分类器的输出来决定输入数据是属于该第一类别还是至少一个第二类别。

本公开的另一方面涉及一种装备，其包括用于生成用于第一类别的第一分类器的装置。在一种配置中，该第一分类器的输出具有至少为二的维度。该装备还包括用于设计第二分类器以接收该第一分类器的输出来决定输入数据是属于该第一类别还是至少一个第二类别的装置。

在本公开的另一方面，公开了一种用于检测未知类别的计算机程序产品。该计算机程序产品具有其上记录有非瞬态程序代码的非瞬态计算机可读介质。该程序代码由处理器执行并且包括用于生成用于第一类别的第一分类器的程序代码。在一种配置中，第一分类器的输出具有至少为二的维度。该程序代码还包括用于设计第二分类器以接收该第一分类器的输出来决定输入数据是属于该第一类别还是至少一个第二类别的程序代码。

本公开的另一方面涉及一种用于检测未知类别的装置，该装置具有存储器以及耦合至该存储器的一个或多个处理器。(诸)处理器配置成生成用于第一类别的第一分类器。在一种配置中，第一分类器的输出具有至少为二的维度。(诸)处理器还配置成设计第二分类器以接收该第一分类器的输出来决定输入数据是属于该第一类别还是至少一个第二类别。

在本公开的一个方面，公开了一种生成合成否定数据的方法。该方法包括从多个类别获得已知数据。该方法还包括根据已知数据来合成地生成否定数据。

本公开的另一方面涉及一种装备，其包括用于从多个类别获得已知数据的装置。该装备还包括用于根据已知数据来合成地生成否定数据的装置。

在本公开的另一方面，公开了一种用于生成合成否定数据的计算机程序产品。该计算机程序产品具有其上记录有非瞬态程序代码的非瞬态计算机可读介质。该程序代码由处理器执行并且包括用于从多个类别获得已知数据的程序代码。该程序代码还包括用于根据已知数据来合成地生成否定数据的程序代码。

本公开的另一方面涉及一种用于生成合成否定数据的装置，该装置具有存储器以及耦合至该存储器的一个或多个处理器。(诸)处理器配置成从多个类别获得已知数据。(诸)处理器还配置成根据已知数据来合成地生成否定数据。