[发明专利]用于自动确定可疑的物体边界的系统和方法

摘要

提供一种使用机器学习系统(300)和遗传算法的自动确定可疑的物体边界的系统和方法。机器学习系统(300)通过使用预先分类的例子组而被训练(204)和被测试(205)。遗传算法指定初始参数值(201)，估计在测试期间的系统的性能(206)，和指定性能评价(207)，此后，如果额定值是可接受的，则把当前的机器学习系统的设置值指定为缺省参数(209)，用于将来的可疑物体分段。然而，如果性能额定值是不可接受的，则遗传算法调整设置值(210)，并通过使用新调整的设置值重新训练系统。

主权项

1.一种使用机器学习和至少一个遗传算法自动确定可疑物体边界的方法，所述方法包括以下步骤：提供可疑物体识别图像的至少一个训练组，其中所述至少一个训练组通过使用一组初始参数值(201)而被分段(202)；通过使用图像特性提取算法处理所述经分段的可疑物体识别图像(203)，为机器学习系统产生输入数据；通过使用可疑物体识别图像的至少一个测试组测试所述机器学习系统(205)；估计所述机器学习系统的性能(206)，其中把在所述测试步骤中产生的输出与所述测试组的基础事实进行比较，所述性能的水平是根据在所述输出与所述基础事实之间出现差值而确定的；以及根据预置值确定所述性能水平的可接受性(207)，所述确定由所述至少一个遗传算法来执行，如果性能水平是可接受的(209)，则所述参数值被设置为在自动分段时使用的缺省值，如果所述性能水平是不可接受的(210)，则所述遗传算法调整所述参数值，并通过使用所述经调整的参数值代替所述随机生成的参数值从所述提供的步骤开始执行所述方法步骤。