[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

说明书

本公开的实施例公开了基于对抗网络的人工智能模型更新方法、识别方法和设备。该方法的一具体实施方式包括：对于目标边缘设备网中的每个边缘设备，执行差异图像确定步骤：获取违禁物品检测模型集；确定目标时间段内违禁物品检测模型集对应的识别图像集；筛选出识别结果集存在差异的识别图像，得到差异图像集；对于主边缘设备，执行模型优先级调整步骤：生成验证样本集；将验证样本集输入至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；调整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。该实施方式可以准确、高效地调整主边缘设备对应各个违禁物品检测模型的优先级，侧面提高识别准确度和效率。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及基于对抗网络的人工智能模型更新方法、识别方法、装置、设备和介质。

背景技术

目前，针对日常生活中各个检测场景，边缘设备常用于违禁物品的检测。对于边缘设备所部属的违禁物品检测模型的模型更新，通常采用的方式为：首先，对预先存储的、预定时间段内的识别图像集中的各个识别图像进行标注。然后，根据识别图像集和所得到标签集，对边缘设备的违禁物品检测模型进行模型更新，得到更新后的违禁物品检测模型，以用于后续违禁物品检测。

然而，发明人发现，当采用上述方式来更新违禁物品检测模型，经常会存在如下技术问题：

第一，针对边缘设备部署单一的违禁物品检测模型，倘若违禁物品检测模型不够精准，会较大程度影响违禁物品的检测准确度；

第二，不能对违禁物品检测模型进行有效地评估和网络变换，导致利用主边缘设备对应违禁物品检测模型集来检测违禁物品，存在检测不够精准的问题。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了基于对抗网络的人工智能模型更新方法、识别方法、装置、设备和介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了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，执行差异图像确定步骤：获取部署于上述边缘设备的、预先训练的违禁物品检测模型集；确定目标时间段内上述违禁物品检测模型集对应的识别图像集；从上述识别图像集中筛选出上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；对于上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，生成针对上述主边缘设备的验证样本集；将上述验证样本集输入至上述主边缘设备对应违禁物品检测模型集，得到至少两个验证结果集；根据上述至少两个验证结果集，调整上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。

第二方面，本公开的一些实施例提供了一种基于对抗网络的人工智能模型更新装置，包括：第一执行单元，被配置成对于目标边缘设备网中的每个边缘设备，执行差异图像确定步骤：获取部署于上述边缘设备的、预先训练的违禁物品检测模型集；确定目标时间段内上述违禁物品检测模型集对应的识别图像集；从上述识别图像集中筛选出上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；第二执行单元，被配置成对于上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，生成针对上述主边缘设备的验证样本集；将上述验证样本集输入至上述主边缘设备对应违禁物品检测模型集，得到至少两个验证结果集；根据上述至少两个验证结果集，调整上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，以对上述主边缘设备的模型进行更新。