(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210260011.8 (22)申请日 2022.03.16 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 殷光强　王治国　李超　李耶　 王加结　杨晓宇　 (74)专利代理 机构 成都天嘉专利事务所(普通 合伙) 5121 1 专利代理师 冉鹏程 (51)Int.Cl. G06V 10/80(2022.01) (54)发明名称 一种图像识别算法的自成长方法 (57)摘要 本发明公开了一种图像识别算法的自成长 方法， 包括： A： 采用不同原生图像识别算法对预 处理后的未知图像样本进行多次测试并计算每 次测试的识别准确率， 确定出原生图像识别算法 的种类和数量； B： 对得到的原生图像识别算法进 行加权以协同判别正确的未知图像样本， 得到集 成决策算法； C： 通过跟踪 算法识别未知图像样本 并获取伪标签， 通过集成决策算法识别未知图像 样本并获取判别标签， 基于伪标签与判别标签的 比较结果更新算法， 实现图像识别算法的自成 长。 该方法先通过协同训练原生图像识别算法集 成技术实现判别正确的未知图像样 本协同更新， 再通过协同训练优化更新技术实现自成长算法 的协同或自更新， 提高了原生图像识别算法的精 度和泛化能力。 权利要求书2页 说明书6页 附图1页 CN 114821252 A 2022.07.29 CN 114821252 A 1.一种图像识别算法的自成长方法， 其特 征在于包括如下步骤： A： 对未知图像样本进行预处理， 针对预处理后的未知图像样本， 采用不同原生图像识 别算法进 行多次测试并计算每次测试的识别准确率， 然后根据识别准确率确定出大于 设定 阈值的原生图像识别算法的种类和数量； B： 采用加权集成机制对步骤A得到的原生图像识别算法进行加权以协同判别正确的未 知图像样本， 加权 完成后得到集成决策算法； C： 通过跟踪算法识别未知图像样本并获取伪标签， 通过集成决策算法识别未知图像样 本并获取判别标签， 基于伪标签与判别标签的比较结果更新算法， 实现图像识别算法的自 成长。 2.根据权利要求1所述的一种图像识别算法的自成长方法， 其特征在于： 步骤A中， 确定 原生图像识别算法的种类和数量的具体方法为： 针对预处理后的未知图像样本， 采用随机 组合原生图像识别算法的方式对未知图像样本进 行多次测试， 每种原生图像识别算法至少 被组合一次， 计算每次测试 的平均识别准确 率， 然后根据平均识别准确 率确定出大于设定 阈值的原生图像识别算法的种类和数量。 3.根据权利要求1所述的一种图像识别算法的自成长方法， 其特征在于： 步骤A中， 所述 的对未知图像样本进 行预处理是指对未知图像样本进 行去噪处理， 最大限度地遏制噪声对 未知图像样本中目标的边 缘和纹理信息的干扰。 4.根据权利要求1所述的一种图像识别算法的自成长方法， 其特征在于： 步骤A中， 所述 的原生图像识别算法包括但不限于BRIEF算法、 BRISK算法、 ORB算法、 R ‑CNN算法、 SPP ‑Net算 法、 Fast RCNN算法、 R ‑FCN算法、 Mask  R‑CNN算法、 Cascade  R‑CNN算法、 TridentNet算法、 YOLO系列算法、 S SD系列算法、 Reti naNet算法、 CornerNet算法、 CenterNet算法。 5.根据权利要求1所述的一种图像识别算法的自成长方法， 其特征在于： 步骤B的实现 方法为： 根据原生图像识别算法之间识别结果的一致性程度， 赋予原生图像识别算法在融 合决策中不同的权值， 进 而加权集成以协同判别正确的未知图像样本 。 6.根据权利要求5所述的一种图像识别算法的自成长方法， 其特征在于： 步骤B中， 权值 的确定方法为： 式中： N代表的是集成决策算法中原生 图像识别算法的数量， η为平衡参数， di,j表示任 意两个原生图像识别算法识别结果间的距离， Dis表示某个原生图像识别算法与其他原生 图像识别算法识别结果间的距离； 若某个原 生图像识别算法与其他原生图像识别算法识别 结果间的一致度越低， 则Dis值越大； 反之， 与其他原生图像识别算法识别结果间的一致度 越高， 则Dis值越小； 设定1‑Dis代表某个原生图像识别算法与其他原生图像识别算法识别结果间的一致 度， 则1‑Dis在所有一 致度总和的占比就是在融合决策中的权值。 7.根据权利要求1 ‑6中任一项所述的一种图像识别算法的自成长方法， 其特征在于： 步 骤C的实现方法为： S21： 通过跟踪算法多次识别未知图像样本， 取置信度最高的标签为伪标签；权　利　要　求　书 1/2 页 2 CN 114821252 A 2S22： 通过集成决策算法多次识别未知图像样本， 取集成决策算法中所有原生图像识别 算法置信度均大于给定阈值的最多相同标签为判别标签； S23： 判断伪标签与判别标签的一致性， 若一致， 则协同更新步骤A得到的原生图像识别 算法， 若不 一致， 则自更新 集成决策算法， 实现图像识别算法的自成长 。 8.根据权利要求7所述的一种图像识别算法的自成长方法， 其特征在于： 步骤S21中， 所 述的跟踪算法指步骤A中对应平均识别准确率 最高的原生图像识别算法。 9.根据权利要求7所述的一种图像识别算法的自成长方法， 其特征在于： 步骤S22中， 所 述的置信度的计算方法为： 式中： P代表 的是任意一个原生图像识别算法对无标签图像样本预测得到的结果， M表 示样本类型数量， 表示任意一个原生图像识别算法对样本标签的置信度， 当 时， 表示原生图像识别算法预测的图像样本属 于某一类的概率值为1， 而属于其他类 的概率值为0， 此时认为原生图像识别算法出现误判的可能性最小， 最可信； 反之， 当 时， 表示原生图像识别算法预测的图像样本属于各个类的概率值相同， 此时认为原生图像 识别算法最 不可信； 若集成决策算法中所有原生图像识别算法对应的 值均大于给定阈值， 这时才判定集成决策算法对图像样本具有高置信度， 得到判别标签。 10.根据权利要求7所述的一种图像识别算法的自成长方法， 其特征在于： 步骤S22中， 所述的给定阈值 不低于0.95。权　利　要　求　书 2/2 页 3 CN 114821252 A 3