[发明专利]用于图像分类的自适应学习

权利要求书

1.一种方法，其包括：

获得一组分类模型，所述组分类模型中的每一者经配置以预测图像的标签，其中所述所预测标签指示所述图像的类别，其中所述组分类模型中的每一分类模型经配置以从同一组标签中预测标签；

将所述组分类模型应用于图像的校准数据集上，借此为图像的所述校准数据集中的每一图像提供所预测标签的阵列且为所述校准数据集提供所预测标签的一组阵列；

计算所述组分类模型在所述校准数据集上的不一致测量，其中所述不一致测量是基于所述校准数据集的所预测标签的所述组阵列而计算的，其中所述不一致测量受所述组分类模型中的分类模型的预测之间的差异影响；

将所述组分类模型应用于图像的生产数据集上，借此为所述生产数据集提供所预测标签的一组阵列；

计算所述组分类模型在所述生产数据集上的生产不一致测量；

确定所述生产不一致测量与所述不一致测量之间的相似度测量；及

响应于所述相似度测量低于预定阈值，指示所述生产数据集中的数据漂移。

2.根据权利要求1所述的方法，其进一步包括将预测器应用于所述生产数据集上，其中所述预测器经配置以针对图像从所述同一组标签中预测标签。

3.根据权利要求2所述的方法，其中所述组分类模型排除所述预测器。

4.根据权利要求2所述的方法，其中所述组分类模型包括所述预测器。

5.根据权利要求2所述的方法，其进一步包括响应于所述指示所述生产数据集中的所述漂移，基于所述生产数据集的至少一部分而重新训练所述预测器。

6.根据权利要求5所述的方法，其进一步包括基于所述生产数据集的所述至少一部分而重新计算所述不一致测量。

7.根据权利要求1所述的方法，其中基于图像的部分而计算所述不一致测量，所述组分类模型中的分类模型的元组针对所述部分提供不同标签。

8.根据权利要求1所述的方法，其中基于图像的部分而计算所述不一致测量，所述组分类模型中的分类模型的元组针对所述部分提供同一标签。

9.根据权利要求1所述的方法，其中所述组分类模型包括表示为cls₁、…、cls_n的n个分类模型，其中基于图像的部分而计算所述不一致测量，所述组分类模型针对所述部分提供具有(l₁、...、l_n)的值的所预测标签的阵列，其中l_i是来自由cls_i预测的所述同一组标签的标签，其中(l₁、...、l_n)的所述值是异构值。

10.一种包括保持程序指令的非暂时性计算机可读存储媒体的计算机程序产品，所述计算机程序产品经配置以执行根据权利要求1所述的方法。

11.一种方法，其包括：

获得图像数据集，其中所述图像数据集包括经排序多组图像，其中每一组图像包括在时间区间内获得的图像，其中所述组图像根据其相应时间区间进行排序；

确定训练数据集，其中所述训练数据集包括来自所述图像数据集的图像，其中所述确定训练集包括：

确定所述经排序多组图像的权重，其中每一组图像与权重相关联，其中所述组图像中的至少两者与不同权重相关联；及

从所述经排序多组图像中选择将由所述训练数据集包括的图像的子集，其中所述选择基于所述权重；以及

使用所述训练数据集来训练分类模型。

12.根据权利要求11所述的方法，其中根据所述经排序多组图像的最后一组图像是生产数据集，其中在于生产中对未经标记图像应用所述分类模型期间获得所述生产数据集。