[发明专利]基于深度学习的新增类别识别方法

权利要求书

1.一种面向图像识别的新增类别识别方法，包括以下步骤：

步骤1)、将预测样本图像输入到已有深度网络获得预测样本图像的输出向量，对所述预测样本图像的输出向量进行零值归一化，获得所述预测样本图像的归一化输出向量；

步骤2)、计算所述预测样本图像的归一化输出向量与训练样本图像中每种类别的代表向量之间的相似度值，从而识别所述预测样本图像的类别；

其中，所述训练样本中每种类别的代表向量是通过将所述训练样本图像集输入到所述已有深度网络获得输出向量集，并根据所述训练样本图像的输出向量集计算得出的，包括：对所述训练样本图像的输出向量进行零值归一化，获得所述训练样本图像的归一化输出向量；利用所述训练样本图像的归一化输出向量计算获得输出向量的单边均值向量和单边方差向量；利用所述单边均值向量和所述单边方差向量计算获得所述训练样本图像的每种类别的代表向量。

2.根据权利要求1所述的新增类别识别方法，在计算所述训练样本图像中每种类别的代表向量时，仅针对所述训练样本图像集中类别正确的训练样本图像进行计算。

3.根据权利要求1至2任一项所述的新增类别识别方法，取所述最小相似度值对应的所述训练样本图像的类别为所述预测样本图像的类别识别结果。

4.根据权利要求1至2任一项所述的新增类别识别方法，当所述最小相似度值大于预定的阈值时，将所述相似度值对应的预测样本图像的类别识别为相对于所述训练样本图像集新增的类别。

5.根据权利要求4所述的新增类别识别方法，将获得的所有属于新增类别的所述预测样本图像组成新增类别样本图像集，通过聚类方式区分不同类型的新增类别。

6.一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器运行所述程序时执行如权利要求1至5所述的步骤。

7.一种计算机可读存储介质，包括存储在所述可读存储介质上的计算机程序，其中，所述程序执行如权利要求1至5所述的步骤。