[发明专利]一种面向实时系统的渐进式深度学习方法

权利要求书

1.一种面向实时系统的渐进式深度学习方法，其特征在于，包括以下步骤：

1)对获取的图像数据进行清洗，若清洗后的图像数量不足以进行一次完整的训练，则保留该图像数据；否则，进入步骤2)；

2)对清洗后的图像数据进行训练，得到多个训练好的模型，将待分类的图像输入框架中，在训练好的模型进行测试，记录测试后的测试结果；

3)对比测试结果识别为每一类的概率及排名，按每S组自动剔除效果最差的一组数据的方式进行更新；

4)重复上述步骤2)和步骤3)，直到处理完所有的测试结果；

5)利用下式得到测试结果属于某一类别的最终概率；

6)根据类的个数K得到K个不同的最终概率值，这K个最终概率值，分别代表了测试结果属于某个类的可能性，将测试结果归到最大概率值所对应的那个类中，此时测试结果已经完成了识别，得到了分类。

2.根据权利要求1所述的面向实时系统的渐进式深度学习方法，其特征在于，步骤2)中，采用Inception-V3模型对清洗后的图像数据进行训练

3.根据权利要求1所述的面向实时系统的渐进式深度学习方法，其特征在于，步骤5)中，最终概率F(P_i,R_i,N,K)的计算公式为：

其中，N表示测试结果组数；G(R_i,N,K)表N组测试结果中，衡量平均概率可靠性的权重；P_i为对应识别为某一类的概率，R_i为对应的概率排名，K为可能所属的类别个数。