[发明专利]用于图像分类的自适应学习

说明书

本发明涉及用于图像分类的自适应学习的一种方法、一种计算机化设备及一种计算机程序产品。所述方法包括：将一组分类模型应用于校准数据集上及生产数据集上，且计算所述组分类模型在每一数据集上的预测上的不一致测量。基于所述校准数据集的不一致测量与所述生产数据集的不一致测量之间的相似度测量低于预定阈值，在所述生产数据集中指示数据漂移。所述方法进一步包括：确定用于针对所述生产数据集训练分类模型的训练数据集。在根据时间区间进行排序的多组图像上选择所述训练数据集，在所述时间区间中获得所述多组图像中的图像。所述选择是基于针对所述多个组确定的权重执行的。

相关申请案交叉参考

本申请案主张2022年3月23日提出申请且被让与美国申请案第62/993112号的临时专利申请案的优先权，所述临时专利申请案的公开内容据此以引用的方式并入。

技术领域

本公开一般来说涉及图像分类，且特定来说涉及用于图像分类的自适应学习。

背景技术

人工智能(AI)是用于不同计算系统中的许多任务的基本工具。AI通过机器、计算机系统、学习算法等等而模拟人类智能过程。智能过程可包括学习信息的获取及使用信息的规则、使用规则进行推理以实现近似或确定的结论以及自我校正。AI的特定应用包括专家系统、语音辨识、机器视觉、自主驾驶、内容递送网络中的智能路由、军事模拟等等。

在检验系统中、特定来说在旨在对物品或者物品、产品等等中的缺陷进行识别及分类的系统中，AI的使用已变得非常流行。AI技术已成为技术行业的重要部分，有助于解决制造过程中的许多挑战性问题。

发明内容

所公开标的物的一个示范性实施例是一种方法，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，借此为所述校准数据集提供所预测标签的一组阵列；计算所述校准数据集上的所述组分类模型的不一致测量，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；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。

所公开标的物的另一示范性实施例是一种方法，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，其中至少两组图像与不同权重相关联；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。