[发明专利]提高检测模型鲁棒性的可知性判断方法及装置

权利要求书

1.一种提高检测模型鲁棒性的可知性判断方法，其特征在于，包括：

获取待验证对象的特征向量，与所有训练集样本特征向量的汉明距离最小值；

若所述汉明距离的最小值大于预设汉明距离阈值，则所述待验证对象，对于以所述训练集训练的卷积神经网络模型为不可知的；

其中，所述汉明距离阈值，根据测试集样本对训练后的卷积神经网络模型的测试结果，以及每一测试样本与每一训练样本的汉明距离分布得到；

所述获取待验证对象的特征向量之前，还包括：

获取多个已知结果的测试样本，得到测试集；

将测试集的每一样本，输入训练后的卷积神经网络模型，获取测试集的测试结果；

获取每一判对样本与所有训练集样本汉明距离的最小值，得到判对样本汉明距离分布，获取每一判错样本与所有训练集样本汉明距离的最小值，得到判错样本汉明距离分布；

根据判对样本汉明距离分布和判错样本汉明距离分布，确定预设的汉明距离阈值；

所述根据判对样本汉明距离分布和判错样本汉明距离分布，确定预设的汉明距离阈值，包括：

根据判对样本汉明距离分布和预设的第一比例阈值，确定第一汉明距离，以使得判对样本中，小于第一汉明距离的样本占总判对样本的比例，大于第一比例阈值；

根据判错样本汉明距离分布和预设的第二比例阈值，确定第二汉明距离，以使得判错样本中，大于第二汉明距离的样本占总判错样本的比例，大于第二比例阈值；

根据第一汉明距离和/或第二汉明距离，确定汉明距离阈值。

2.根据权利要求1所述的提高检测模型鲁棒性的可知性判断方法，其特征在于，所述方法还包括：

若不可知的待验证对象超过预设数量，则对所述卷积神经网络模型进行训练更新。

3.根据权利要求1所述的提高检测模型鲁棒性的可知性判断方法，其特征在于，所述获取待验证对象的特征向量，与所有训练集样本特征向量的汉明距离最小值之前，还包括：

将待验证对象的特征向量，和所有训练样本的特征向量，分别映射为二维特征图，特征图中像素的灰度为特征向量的值；

根据所述二维特征图进行卷积，获得待验证对象与所有训练集样本特征向量的汉明距离。

4.根据权利要求3所述的提高检测模型鲁棒性的可知性判断方法，其特征在于，所述映射为二维特征图之前，还包括：

对待验证对象的特征向量，或所有训练样本的特征向量，进行数据填充，以满足二维特征图的像素数量。

5.根据权利要求1所述的提高检测模型鲁棒性的可知性判断方法，其特征在于，获取每一判对样本与所有训练集样本汉明距离的最小值，得到判对样本汉明距离分布，获取每一判错样本与所有训练集样本汉明距离的最小值，得到判错样本汉明距离分布之前，还包括：

对训练集样本进行去重。