[发明专利]本地服务器、影像辨识系统及其更新方法

说明书

影像辨识系统包含存储云端辨识模型的云端服务器与存储本地辨识模型的本地服务器，本地服务器通过本地辨识模型辨识一影像，以产生本地辨识结果。该影像对应至一场域，并包含至少一物件，且本地辨识结果包含各物件分别对应至多类别的本地类别信心分数。本地服务器针对各物件，根据该场域以及对应的多本地类别信心分数计算本地乱度指标。本地服务器根据该影像的本地乱度指标，决定传送该影像至该云端服务器。云端服务器通过该云端辨识模型辨识该影像，以产生云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。

技术领域

本发明的实施例是关于一种影像辨识系统及其更新方法。更具体而言，本发明的实施例是关于具有包含云端服务器与本地服务器的架构的影像辨识系统及其更新方法。

背景技术

在人工智慧(AI)的影像辨识的技术领域中，物件辨识(Object recognition)系指当接收一影像，通过已预先训练的影像辨识模型来侦测出该影像中的物件以及每一个物件分别对应的类别。

在进行上述物件辨识时，一影像所对应的场域往往会影响在该影像中出现的物件种类。以交通相关物件的辨识为例，若一摄影机取得的影像对应场域为「工业区的车道」，则该些影像较容易出现为属于类别为「卡车」的物件，若另一摄影机所取得的影像的对应场域为「公路」，则该些影像较容易出现为属于类别为「轿车」或「机车」的物件，而若又一摄影机取得的影像的对应场域为「人行道」，则该些影像较容易出现为属于类别为「行人」的物件。

在现行的影像辨识技术中，仅采用一般预先训练的影像辨识模型来辨识各种不同场域的影像。例如，一影像辨识模型被训练完成后，直接被应用以辨识多种场域的影像。在此情况下，因不同场域的影像具有不同的特性(例如：影像中常出现的物件类别，或影像的背景特征、杂讯特征)，故辨识效果或精准度不一。某些场域的影像会不利于该影像辨识模型的辨识(例如：场域为「天桥下」的影像普遍亮度较低，或场域为「马路口」的影像的光线变化大)，使得该影像辨识模型在辨识该些场域的影像时无法产生高可靠性的辨识结果。

因此，针对不同的场域特性来进行影像辨识模型的训练与更新，使得更新后的影像辨识模型能够针对该场域的影像获得更精准的辨识结果，将是一项亟需被解决的问题。

发明内容

为了解决至少上述的问题，本发明的实施例提供了一种影像辨识系统。影像辨识系统可包含互相电性连接的一云端服务器以及一本地服务器。该云端服务器可用以存储一云端辨识模型，该本地服务器可用以存储一本地辨识模型。该本地服务器可通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数。该本地服务器可针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标。该本地服务器还可根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器。该云端服务器可在接收该影像后，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。

为了解决至少上述的问题，本发明的实施例还提供了一种影像辨识系统更新方法。该影像辨识系统更新方法可适用于一影像辨识系统，该影像辨识系统可包含互相电性连接的一云端服务器与一本地服务器。该云端服务器可存储一云端辨识模型，该本地服务器可存储一本地辨识模型。该影像辨识系统更新方法可包含以下步骤：

由该本地服务器，通过该本地辨识模型辨识一影像，以产生一本地辨识结果，其中该影像对应至一场域，该影像包含至少一物件，且该本地辨识结果包含各该至少一物件分别对应至多类别的一本地类别信心分数；

由该本地服务器，针对各该至少一物件，根据该场域以及对应的该多本地类别信心分数计算一本地乱度指标；

由该本地服务器，根据该影像的该至少一本地乱度指标，决定传送该影像至该云端服务器；以及

由该云端服务器，通过该云端辨识模型辨识该影像，以产生一云端辨识结果，并根据该云端辨识结果更新该本地辨识模型。