[发明专利]一种基于自学习的类别检测方法、装置及设备

权利要求书

1.一种基于自学习的类别检测方法，其特征在于，所述方法包括：

将已获取的目标图像输入至第一检测模型，得到所述目标图像中的目标对象对应的位置信息，从所述目标图像中截取所述位置信息对应的子图像，并将所述子图像输入至第一特征提取模型，得到所述目标对象对应的目标特征；

确定所述目标特征与已配置的特征集合中的每个注册特征的相似度；

若最高相似度不小于第一相似度阈值，则确定所述目标对象的目标类别为所述最高相似度对应的注册特征对应的标定类别；

若最高相似度小于所述第一相似度阈值，则基于所述目标特征与所述特征集合中的每个注册特征，确定所述目标对象对应的开集分数值；

基于所述开集分数值确定所述目标对象的目标类别为所述最高相似度对应的注册特征对应的标定类别，或者，确定所述目标类别为未注册类别。

2.根据权利要求1所述的方法，其特征在于，所述基于所述开集分数值确定所述目标对象的目标类别为所述最高相似度对应的注册特征对应的标定类别，或者，确定所述目标类别为未注册类别，包括：

若所述开集分数值不大于预设开集阈值，则确定所述目标对象的目标类别为所述最高相似度对应的注册特征对应的标定类别；或者，

若所述开集分数值大于预设开集阈值，则确定所述目标类别为未注册类别。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标特征与所述特征集合中的每个注册特征，确定所述目标对象对应的开集分数值，包括：

确定所述目标特征与每个标定类别的中心特征之间的距离；其中，所述特征集合包括多个标定类别的注册特征，且每个标定类别对应多个注册特征，每个标定类别的中心特征是基于该标定类别的多个注册特征得到；

针对每个标定类别，基于该标定类别对应的距离和所有标定类别对应的距离确定该标定类别对应的权重系数，基于该标定类别对应的距离和权重系数确定所述目标特征与该标定类别的中心特征之间的特征差异分数；

基于每个标定类别对应的特征差异分数确定所述开集分数值。

4.根据权利要求1-3任一所述的方法，其特征在于，

若满足针对类别检测的自学习触发条件，所述方法还包括：

将开集数据集中的样本图像输入至第二检测模型，得到所述样本图像中的样本对象对应的位置信息，从所述样本图像中截取所述位置信息对应的子图像，将所述子图像输入至第二特征提取模型，得到所述样本对象对应的样本特征；其中，所述开集数据集包括多个样本图像，各样本图像中的样本对象对应未注册类别，所述开集数据集是基于未注册类别的目标对象对应的目标图像构建；

对多个样本对象对应的样本特征进行聚类得到初始聚类集合；对所述初始聚类集合中的样本特征进行筛选，得到所述初始聚类集合对应的目标聚类集合；

基于所述目标聚类集合对所述第一检测模型和所述第一特征提取模型进行重新训练，得到重新训练后的第一检测模型和第一特征提取模型；和/或，确定所述目标聚类集合对应的新类别，将所述目标聚类集合中的样本特征更新到所述特征集合中，并将所述新类别作为样本特征对应的标定类别。

5.根据权利要求4所述的方法，其特征在于，所述对所述初始聚类集合中的样本特征进行筛选，得到所述初始聚类集合对应的目标聚类集合，包括：

从所述初始聚类集合的所有样本特征中过滤第一类样本特征和/或第二类样本特征，得到所述初始聚类集合对应的目标聚类集合；其中：

所述第一类样本特征的确定过程包括：针对所述初始聚类集合中的每个样本特征，确定该样本特征与所述特征集合中的每个注册特征的相似度；若最高相似度不小于第二相似度阈值，则将该样本特征确定为第一类样本特征；

所述第二类样本特征的确定过程包括：针对所述初始聚类集合中的每个样本特征，确定该样本特征对应的局部密度，若该样本特征对应的局部密度小于密度阈值，则将该样本特征确定为第二类样本特征。