[发明专利]基于对抗网络的人工智能模型更新方法、识别方法和设备

权利要求书

1.一种基于对抗网络的人工智能模型更新方法，包括：

对于目标边缘设备网中的每个边缘设备，目标边缘设备网是由各个边缘设备所组成的、所包括的主边缘设备对应的各个违禁物品检测模型的优先级需要调整的设备网，执行差异图像确定步骤：

获取部署于所述边缘设备的、预先训练的违禁物品检测模型集；

确定目标时间段内所述违禁物品检测模型集对应的识别图像集；

从所述识别图像集中筛选出所述违禁物品检测模型集对应识别结果集存在差异的识别图像，作为差异图像，得到差异图像集；

对于所述目标边缘设备网中的主边缘设备，执行模型优先级调整步骤：

根据所得到的差异图像集组，生成针对所述主边缘设备的验证样本集；

将所述验证样本集输入至所述主边缘设备对应的违禁物品检测模型集，得到至少两个验证结果集；

根据所述至少两个验证结果集，调整所述主边缘设备对应违禁物品检测模型集中各个违禁物品检测模型的优先级，以对所述主边缘设备的模型进行更新；

根据所述至少两个验证结果集，确定所述主边缘设备对应违禁物品检测模型集中各个违禁物品检测模型对应的准确率和召回率；

响应于确定各个违禁物品检测模型中存在的对应的准确率和召回率分别低于对应数值的违禁物品检测模型，作为目标违禁物品检测模型，得到至少一个目标违禁物品检测模型；

确定所述至少一个目标违禁物品检测模型中每个目标违禁物品检测模型所包括的各个子模型；

对于所述至少一个目标违禁物品检测模型中每个目标违禁物品检测模型，确定某一目标违禁物品检测模型所包括的各个子模型中的每个子模型对应可替换模型；

对于所述至少一个目标违禁物品检测模型中每个目标违禁物品检测模型，将所述目标违禁物品检测模型所包括的各个子模型依次替换为对应的可替换模型，得到多个替换模型后违禁物品检测模型；

对于所述至少一个目标违禁物品检测模型中每个目标违禁物品检测模型，从目标违禁物品检测模型对应的多个替换模型后违禁物品检测模型中去除与各个违禁物品检测模型中网络结构相同的替换模型后违禁物品检测模型，得到去除后违禁物品检测模型集；

对于所述至少一个目标违禁物品检测模型中每个目标违禁物品检测模型，依次对目标违禁物品检测模型对应的去除后违禁物品检测模型集进行训练，得到训练后的去除后违禁物品检测模型集；

对于所述至少一个目标违禁物品检测模型中每个目标违禁物品检测模型，将验证样本集输入至目标违禁物品检测模型对应的去除后违禁物品检测模型集，得到验证结果集组；

对于所述至少一个目标违禁物品检测模型中每个目标违禁物品检测模型，根据所述验证结果集组，确定目标违禁物品检测模型对应的去除后违禁物品检测模型集中每个去除后违禁物品检测模型的准确率和召回率；

对于所述至少一个目标违禁物品检测模型中每个目标违禁物品检测模型，将目标违禁物品检测模型对应的去除后违禁物品检测模型集中准确率和召回率最高的去除后违禁物品检测模型确定为目标违禁物品检测模型的替换模型，以进行对目标违禁物品检测模型的替换。

2.根据权利要求1所述的方法，其中，在所述根据所述至少两个验证结果集，调整所述主边缘设备对应违禁物品检测模型集中各个违禁物品检测模型的优先级之后，所述方法还包括：

根据所述至少两个验证结果集，确定是否对所述主边缘设备对应的违禁物品检测模型集中的至少一个违禁物品检测模型进行模型重训练；

响应于确定是，根据所述差异图像集组，生成用于后续模型重训练的训练样本集；

根据所述训练样本集，对所述至少一个违禁物品检测模型进行模型重训练，得到重训练后的至少一个违禁物品检测模型；

将所述违禁物品检测模型集中的至少一个违禁物品检测模型替换为所述重训练后的至少一个违禁物品检测模型，得到第一替换后的违禁物品检测模型集；

将所述主边缘设备对应违禁物品检测模型集替换为所述第一替换后的违禁物品检测模型集。

3.根据权利要求2所述的方法，其中，所述目标边缘设备网还包括：至少一个从边缘设备；以及

所述方法还包括：

响应于确定所述至少一个违禁物品检测模型处于训练状态，将所述至少一个从边缘设备中的任一从边缘设备确定为主边缘设备，以进行待识别图像的图像识别。