[发明专利]基于互信息增强的自监督新颖性检测方法

权利要求书

1.基于互信息增强的自监督新颖性检测方法，其特征在于所述方法具体过程为：将待检测的图像输入到训练好的自监督新颖性检测模型的自编码器网络中进行新颖性检测，获得检测结果；

所述自监督新颖性检测模型包括：自编码器网络、隐鉴别器D_z、鉴别器D_x、分类器Q；

所述自编码器网络包括：生成器G和编码器E，所述编码器E用于将待检测图像转化为在潜在空间中对应的隐向量；所述生成器用于将隐向量转化为重构的图像；

所述隐鉴别器D_z包括：3层全连接层，用于与编码器E进行对抗训练，使得潜在空间的分布近似于标准高斯分布

所述鉴别器D_x用于与生成器G进行对抗训练，使得生成器可以更好的生成类内样本；

所述分类器Q用于对生成器生成的图像进行分类；

所述潜在空间是隐向量组成的空间，也就是编码器和生成器中间的空间。

2.根据权利要求1所述的基于互信息增强的自监督新颖性检测方法，其特征在于：所述训练好的自监督新颖性检测模型，通过以下方式获得：

步骤一、获取多类目标图像数据集，并将数据集划分训练集和测试集；

所述训练集为类内图像数据一部分；

所述测试集包括：另一部分类内图像数据以及类外图像数据；

所述类内图像数据为获取的多类目标图像数据集中的已知类，其中训练时每次仅将一个类视为已知类；

所述类外图像数据为获取的多类目标图像数据集中的未知类；

步骤二、对步骤一获得的训练集中的图像数据进行数据增强处理，获得增强后的训练集，并将增强后的训练集中的图像数据输入到编码器中获得增强图像数据在潜在空间中对应的隐向量；

步骤三、构建自监督新颖性检测模型，并利用增强后的训练集训练自监督新颖性检测模型，获得训练好的自监督新颖性检测模型；

步骤四、将测试集输入到自编码器网络中测试自监督新颖性检测模型，获得准确率大于预设准确率阈值的自监督新颖性检测模型。

3.根据权利要求2所述的基于互信息增强的自监督新颖性检测方法，其特征在于：所述步骤一中获取多类目标图像数据集，并将数据集划分训练集和测试集，还可以通过以下方式划分训练集和测试集：

所述训练集为数据集网站下载的训练集中全部类内图像数据；

所述测试集为数据官网站下载的测试集。

4.根据权利要求2所述的基于互信息增强的自监督新颖性检测方法，其特征在于：所述步骤二中对步骤一获得的训练集中的图像数据进行数据增强处理，获取增强后的训练集，包括以下步骤：

步骤二一、定义k个离散的几何变换

其中，t(.|y)是对训练集中的类内图像数据进行标签y的几何变换，k为几何变换的个数，y是训练集中图像数据的标签，y∈[1,k]；

步骤二二、获取增强后的训练集中的类内图像数据的集合：

t(X|y)＝Rot(X,(y-1)*90) (1)

其中，t(X|y)是增强后的训练集中的类内图像数据的集合，Rot(img,Angle)表示对图像Img进行中心旋转操作，Angle是旋转角度。

5.根据权利要求4所述的基于互信息增强的自监督新颖性检测方法，其特征在于：所述步骤二中获取的增强图像数据在潜在空间中对应的隐向量为z＝E(X^y)；

其中，X^y＝t(X|y)是增强后的类内图像数据集，E(·)是编码器输出的数据。