违禁品识别算法的优化方法、装置、电子设备及存储介质与流程
本技术属于图像处理,尤其涉及一种违禁品识别算法的优化方法、装置、电子设备及存储介质。
背景技术:
1、在违禁品识别领域,为提升识别精度、降低误漏检率,常需要对已部署的违禁品识别算法进行优化升级,如采用待部署的新算法替代原有已部署的旧算法。相关技术中识别算法多在实验室中预先优化训练得到再进行部署,然而由于实际安检数据与实验室数据普遍存在不一致的缺陷,导致待部署算法在实验室训练时能够达到预期性能,但在真实场景下无法适配真实数据的特性,出现识别精度下降、适应性不足等识别能力不足的问题。
技术实现思路
1、本技术旨在至少解决相关技术中存在的技术问题之一。为此,本技术提出一种违禁品识别算法的优化方法、装置、电子设备及存储介质,提高了违禁品识别算法在部署后的实际识别能力。
2、第一方面,本技术提供了一种违禁品识别算法的优化方法,该方法包括:
3、获取多张待识别图像,并调用多种违禁品识别算法对各所述待识别图像进行识别处理,得到各所述待识别图像对应的违禁品识别结果集合;所述违禁品识别结果集合包括各所述违禁品识别算法对所述待识别图像的违禁品识别结果;
4、获取各所述待识别图像的人工判图结果,并形成各所述待识别图像对应的关联数据集;所述关联数据集包括所述待识别图像,以及所述待识别图像对应的所述违禁品识别结果集合和所述人工判图结果;
5、根据所述人工判图结果和所述关联数据集,对多种所述违禁品识别算法中的任一目标识别算法进行增量训练,得到更新后的所述目标识别算法;
6、若更新后的所述目标识别算法的识别性能优于多种所述违禁品识别算法中的除所述目标识别算法之外的其余违禁品识别算法,则部署更新后的所述目标识别算法。
7、在上述技术方案中,通过多种违禁品识别算法并行识别获取多维度结果,结合人工准真值构建关联数据集;相较于传统的全量数据优化模式,开展针对性增量训练能够准确补齐算法短板,且能够减少算力损耗与训练时长,实现算法的高效优化;在算法部署前的优化过程中以人工判图为基准真值,并设置目标算法需优于其他算法的部署条件,在对已部署的违禁品识别算法进行优化升级的场景下仅在优化后的算法优于已部署算法等其余算法后再进行部署,有效规避了实验室理想化评估与实际场景脱节、算法直接部署后无法适配真实数据的问题,提高了违禁品识别算法在部署后的实际识别能力。
8、根据本技术的一个实施例,所述根据所述人工判图结果和所述关联数据集,对多种所述违禁品识别算法中的任一目标识别算法进行增量训练,得到更新后的所述目标识别算法,包括:
9、根据所述人工判图结果和预先构建的算法评估模型,获取各所述违禁品识别算法的评估结果;
10、基于所述评估结果,从各所述待识别图像对应的所述关联数据集中筛选存在识别缺陷的缺陷数据集;
11、基于所述缺陷数据集对所述目标识别算法进行增量训练,得到更新后的所述目标识别算法。
12、根据本技术的一个实施例,所述评估结果包括各评估维度的维度指标值;所述评估维度至少包括算法性能维度与业务运行维度;
13、所述根据所述人工判图结果和预先构建的算法评估模型,获取各所述违禁品识别算法的评估结果,包括:
14、将各所述违禁品识别算法对应的所述违禁品识别结果与所述人工判图结果进行比对,得到各所述违禁品识别算法的对比结果;
15、将所述对比结果以及各所述待识别图像对应的所述关联数据集输入所述算法评估模型,确定各所述违禁品识别算法在所述算法性能维度的所述维度指标值以及所述业务运行维度的所述维度指标值。
16、根据本技术的一个实施例,所述根据所述人工判图结果和预先构建的算法评估模型,获取各所述违禁品识别算法的评估结果之后,所述方法还包括:
17、对各所述违禁品识别算法的所述评估结果进行场景分类,得到各所述违禁品识别算法在各识别场景下的所述评估结果;
18、根据各所述违禁品识别算法在所述各识别场景下的所述评估结果,确定所述目标识别算法的所述评估结果劣于多种所述违禁品识别算法中的除所述目标识别算法之外的至少一个其余违禁品识别算法的目标识别场景;
19、在所述目标识别场景下,从各所述待识别图像对应的所述关联数据集中筛选存在识别缺陷的缺陷数据集。
20、根据本技术的一个实施例,所述从各所述待识别图像对应的所述关联数据集中筛选存在识别缺陷的缺陷数据集,包括:
21、筛选各所述违禁品识别算法均未识别出违禁品且所述人工判图结果表示存在违禁品的所述关联数据集,作为漏检数据;
22、筛选各所述违禁品识别算法均识别为违禁品且所述人工判图结果表示不存在违禁品的所述关联数据集,作为误报数据;
23、筛选各所述违禁品识别算法的违禁品识别结果不一致且其中至少一种所述违禁品识别算法识别错误的所述关联数据集,作为错误数据;
24、筛选所述目标识别算法对应的违禁品识别结果为包含违禁品且置信度低于预设置信度阈值的所述关联数据集,作为低置信度数据;
25、将所述漏检数据、所述误报数据、所述错误数据以及所述低置信度数据作为所述缺陷数据集。
26、根据本技术的一个实施例,所述基于所述缺陷数据集对所述目标识别算法进行增量训练,得到更新后的所述目标识别算法,包括:
27、将所述缺陷数据集与预设基础训练数据集组合,得到增量训练数据集;
28、基于所述增量训练数据集对所述目标识别算法进行训练,以更新所述目标识别算法的模型参数;
29、基于更新后的所述模型参数生成更新后的所述目标识别算法。
30、根据本技术的一个实施例,所述方法还包括:
31、获取各所述违禁品识别算法在测试数据集上的测试识别结果,并基于所述测试识别结果获取所述各所述违禁品识别算法的测试评估结果;
32、将更新后的所述目标识别算法的所述测试评估结果与各所述违禁品识别算法中的除所述目标识别算法之外的其余违禁品识别算法的所述测试评估结果进行比较;
33、在更新后的所述目标识别算法的所述测试评估结果优于其余违禁品识别算法的所述测试评估结果的情况下,确定更新后的所述目标识别算法的识别性能优于多种所述违禁品识别算法中的除所述目标识别算法之外的其余违禁品识别算法。
34、根据本技术的一个实施例,所述方法应用于安检图像识别系统,所述待识别图像为安检设备采集的x光图像,所述违禁品识别算法用于对所述x光图像中的违禁品进行识别。
35、第二方面,本技术提供了一种违禁品识别算法的优化装置,该装置包括:
36、调度模块,用于获取多张待识别图像,并调用多种违禁品识别算法对各所述待识别图像进行识别处理,得到各所述待识别图像对应的违禁品识别结果集合;所述违禁品识别结果集合包括各所述违禁品识别算法对所述待识别图像的违禁品识别结果;
37、数据处理模块,用于获取各所述待识别图像的人工判图结果,并形成各所述待识别图像对应的关联数据集;所述关联数据集包括所述待识别图像,以及所述待识别图像对应的所述违禁品识别结果集合和所述人工判图结果;
38、训练模块,用于根据所述人工判图结果和所述关联数据集,对多种所述违禁品识别算法中的任一目标识别算法进行增量训练,得到更新后的所述目标识别算法;
39、部署模块,用于若更新后的所述目标识别算法的识别性能优于多种所述违禁品识别算法中的除所述目标识别算法之外的其余违禁品识别算法,则部署更新后的所述目标识别算法。
40、第三方面,本技术提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的违禁品识别算法的优化方法。
41、第四方面,本技术提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的违禁品识别算法的优化方法。
42、第五方面,本技术提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的违禁品识别算法的优化方法。
43、第六方面,本技术提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的违禁品识别算法的优化方法。
44、本技术的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com