[发明专利]一种图像分类网络性能评估方法及装置

说明书

本发明属于图像处理技术领域，尤其涉及一种图像分类网络性能评估方法及装置，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；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；根据各类别的topK个实际相似度生成各类别的相似度区间；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。本发明根据并比值的重合度作衡量标准，来判定待评估的图像分类网络的分类性能，评判直观且高效，进而提升后续分类效率。

技术领域

本发明属于图像处理技术领域，尤其涉及一种图像分类网络性能评估方法及装置。

背景技术

图像分类，核心是从给定的分类集合中给图像分配一个标签的任务。实际上，这意味分析一个输入图像并返回一个将图像分类的标签，即通过输入图像至神经网络，再由神经网络输出最物体的类别。

为了提升图像分类的准确率，需要向神经网络的训练集中不断加入网络识别错误或者分类不好的图片，通常这种图片的挑选和加入都是人工手动加入，再人工判断，导致判断效率低的问题，且市面上并没有对图像分类网络性能进行评估的有效方法，不能评估图像分类网络的性能导致其投入使用后分类效果不佳，需要重新训练图像分类网络，进而导致分类效率低的问题。

发明内容

本发明的目的在于提供一种图像分类网络性能评估方法及装置，旨在解决现有技术中因没有对图像分类网络性能进行评估的有效方法导致后续分类效率低的技术问题。

为实现上述目的，本发明实施例提供一种图像分类网络性能评估方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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：