[发明专利]一种图像分类网络性能评估方法及装置

权利要求书

1.一种图像分类网络性能评估方法，其特征在于，所述方法包括：

获取待预测图片的实际图像数据；

获取所述实际图像数据与待评估的图像分类网络中各类别对应的标准图像数据的实际相似度；其中，每个类别对应有不同的实际相似度；

统计图像分类网络中各类别对应的实际相似度中topK个实际相似度；其中，每个类别对应有不同的topK个实际相似度；

根据各类别的topK个实际相似度生成各类别的相似度区间；其中，各topK个实际相似度中最大的实际相似度对应的相似度区间为分类区间，所述分类区间之外的其他各类别的相似度区间为比对区间；

分别计算所述分类区间与各所述对比区间的交并比值；

判断各所述交并比值是否小于预设的交并比阈值；若判断为是，则判定所述图像分类网络的分类性能合格。

2.根据权利要求1所述的图像分类网络性能评估方法，其特征在于，所述方法还包括：

获取各类别对应的topK个实际相似度中最大的实际相似度并记为分类相似度；

将所述分类相似度对应的类别定义为待预测图片的实际分类；

根据所述实际分类对应的topK个实际相似度生成所述分类区间。

3.根据权利要求1所述的图像分类网络性能评估方法，其特征在于，所述根据各类别的topK个实际相似度生成各类别的相似度区间包括：

提取各类别的topK个实际相似度中的最小实际相似度；

提取各类别的topK个实际相似度中的最大实际相似度；

将各类别的最小实际相似度和最大实际相似度作为所述相似度区间的区间端点，以生成所述相似度区间。

4.根据权利要求1所述的图像分类网络性能评估方法，其特征在于，通过以下公式计算所述分类区间与各所述对比区间的交并比值：

其中，Iou为交并比值，A为分类区间，B为对比区间。

5.根据权利要求1-4任一项所述的图像分类网络性能评估方法，其特征在于，所述实际图像数据为特征向量；所述获取待预测图片的实际图像数据具体为：

对图像分类网络进行训练并生成深度学习网络模型；

获取待预测图片经深度学习网络模型运算后得到的实际特征向量。

6.根据权利要求5所述的图像分类网络性能评估方法，其特征在于，所述获取所述实际图像数据与待评估的图像分类网络中各类别对应的标准图像数据的实际相似度包括：

通过深度学习网络模型对训练集中的图片进行特征提取并得到标准特征向量；

根据所述标准特征向量建立标准向量检索库；

获取所述实际特征向量与所述标准向量检索库中各标准特征向量的相似度，并记为所述实际相似度。

7.根据权利要求1所述的图像分类网络性能评估方法，其特征在于，所述方法还包括：

根据各所述相似度区间生成分类区间分布图；所述分类区间分布图用于标示各所述相似度区间的区间分布。

8.根据权利要求1所述的图像分类网络性能评估装置，其特征在于，所述装置包括：

实际图像数据获取模块，用于获取待预测图片的实际图像数据；

实际相似度获取模块，用于获取所述实际图像数据与待评估的图像分类网络中各类别对应的标准图像数据的实际相似度；其中，每个类别对应有不同的实际相似度；

统计模块，用于统计图像分类网络中各类别对应的实际相似度中topK个实际相似度；其中，每个类别对应有不同的topK个实际相似度；

相似度区间生成模块，用于根据各类别的topK个实际相似度生成各类别的相似度区间；其中，各topK个实际相似度中最大的实际相似度对应的相似度区间为分类区间，所述分类区间之外的其他各类别的相似度区间为比对区间；

交并比值计算模块，用于分别计算所述分类区间与各所述对比区间的交并比值；

性能判断模块，用于判断各所述交并比值是否小于预设的交并比阈值；若判断为是，则判定所述图像分类网络的分类性能合格。