一种基于深度聚类的新类目标识别方法及装置

摘要

本发明公开了一种基于深度聚类的新类目标识别方法及装置。其中，该方法包括：通过第一标记样本，获取监督模型，其中，所述监督模型包括：特征提取器、分类器；根据所述特征提取器提取所述第一标记样本，得到样本特征；通过所述样本特征对无标记样本进行匹配，并根据匹配结果对无标记样本进行标记，得到第二标记样本；通过所述第二标记样本训练分类识别模型。本发明解决了在现有技术中把新类样本看成一个类是不合理的，不应该只是把所有的新类样本和已知类样本分开，另外利用置信度来挑选新类样本时，挑选的并不准确，因为深度网络既有很强的拟合能力，对于新类样本也会输出很高的置信度，导致使用置信度阈值不能很好的区别出新类样本的技术问题。