(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211142720.2 (22)申请日 2022.09.20 (71)申请人 北京国电通网络技 术有限公司 地址 100071 北京市海淀区东 旭国际中心 A 座 申请人 国网信息通信产业 集团有限公司 (72)发明人 黄文思　赵晴　张楠　郭敬林　 赵拴宝　董世丹桀 　焦艳斌　戚琛　 魏广朝　郭玉霞　李媛　 (74)专利代理 机构 北京唯智勤实知识产权代理 事务所(普通 合伙) 11557 专利代理师 孙姣 (51)Int.Cl. G06V 10/764(2022.01) G06N 3/04(2006.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/70(2022.01) (54)发明名称 基于对抗网络的人工智能模 型更新方法、 识 别方法和设备 (57)摘要 本公开的实施例公开了基于对抗网络的人 工智能模型更新方法、 识别方法和设备。 该方法 的一具体实施方式包括： 对于目标边缘设备网中 的每个边缘设备， 执行差异图像确定步骤： 获取 违禁物品检测模 型集； 确定目标时间段内违禁物 品检测模型集对应的识别图像集； 筛选出识别结 果集存在差异的识别图像， 得到差异图像集； 对 于主边缘设备， 执行模型优先级调整步骤： 生成 验证样本集； 将验证样本集输入至主边缘设备对 应的违禁物品检测模型集， 得到至少两个验证结 果集； 调整主边缘设备对应违禁物品检测模型集 中各个违禁物品检测模型的优先级。 该实施方式 可以准确、 高效地调整主边缘设备对应各个违禁 物品检测模 型的优先级， 侧面提高识别准确度和 效率。 权利要求书3页 说明书12页 附图4页 CN 115393652 A 2022.11.25 CN 115393652 A 1.一种基于对抗网络的人工智能模型 更新方法， 包括： 对于目标边 缘设备网中的每 个边缘设备， 执 行差异图像确定步骤： 获取部署于所述 边缘设备的、 预 先训练的违 禁物品检测模型集； 确定目标时间段内所述违 禁物品检测模型集对应的识别图像集； 从所述识别图像集中筛选出所述违禁物品检测模型集对应识别结果集存在差异的识 别图像， 作为差异图像， 得到 差异图像集； 对于所述目标边 缘设备网中的主边 缘设备， 执 行模型优先级调整步骤： 根据所得到的差异图像集组， 生成针对所述主边 缘设备的验证样本集； 将所述验证样本集输入至所述主边缘设备对应的违禁物品检测模型集， 得到至少两个 验证结果 集； 根据所述至少两个验证结果集， 调整所述主边缘设备对应违禁物品检测模型集中各个 违禁物品检测模型的优先级， 以对所述主边 缘设备的模型进行 更新。 2.根据权利要求1所述的方法， 其中， 在所述根据所述至少两个验证结果集， 调整所述 主边缘设备对应违禁物品检测模型集中各个违禁物品检测模型的优先级之后， 所述方法还 包括： 根据所述至少两个验证结果集， 确定是否对所述主边缘设备对应的违禁物品检测模型 集中的至少一个 违禁物品检测模型进行模型重训练； 响应于确定是， 根据所述差异图像集组， 生成用于后续模型重训练的训练样本集； 根据所述训练样本集， 对所述至少一个违禁物品检测模型进行模型重训练， 得到重训 练后的至少一个 违禁物品检测模型； 将所述违禁物品检测模型集中的至少一个违禁物品检测模型替换为所述重训练后的 至少一个 违禁物品检测模型， 得到第一 替换后的违 禁物品检测模型集； 将所述主边缘设备对应违禁物品检测模型集替换为所述第一替换后的违禁物品检测 模型集。 3.根据权利要求2所述的方法， 其中， 所述目标边缘设备网还包括： 至少一个从边缘设 备； 以及 所述方法还 包括： 响应于确定所述至少一个违禁物品检测模型处于训练状态， 将所述至少一个从边缘设 备中的任一从边 缘设备确定为主边 缘设备， 以进行待识别图像的图像识别。 4.根据权利要求1所述的方法， 其中， 所述根据所述至少两个验证结果集， 调整所述主 边缘设备对应 违禁物品检测模型集中各个 违禁物品检测模型的优先级， 包括： 根据所述至少两个验证结果集， 确定所述主边缘设备对应违禁物品检测模型集中各个 违禁物品检测模型对应的准确率和召回率； 根据所述各个违禁物品检测模型对应的准确率和召回率， 调 整所述违禁物品检测模型 集中各个 违禁物品检测模型的优先级。 5.根据权利要求2所述的方法， 其中， 在所述将所述主边缘设备对应违禁物品检测模型 集替换为所述第一 替换后的违 禁物品检测模型集之后， 所述方法还 包括： 生成针对所述主边 缘设备对应 违禁物品检测模型集的模型 更新记录； 从所述模型更新记录中查找出连续更新 次数大于等于预定数目的违禁物品检测模型，权　利　要　求　书 1/3 页 2 CN 115393652 A 2作为目标违 禁物品检测模型， 得到 至少一个目标违 禁物品检测模型； 对所述至少一个目标违禁物品检测模型的模型结构进行调整， 得到至少一个调 整后违 禁物品检测模型； 对所述至少一个调 整后违禁物品检测模型进行模型训练， 得到至少一个训练后的违禁 物品检测模型； 将所述违禁物品检测模型集中对应违禁物品检测模型替换为所述至少一个训练后的 违禁物品检测模型， 得到第二 替换后的违 禁物品检测模型集； 将所述主边缘设备对应违禁物品检测模型集替换为所述第二替换后的违禁物品检测 模型集。 6.一种识别方法， 包括： 获取待识别图像和目标边 缘设备网中的主边 缘设备所部署的违 禁物品检测模型集； 确定所述违 禁物品检测模型集中的各个 违禁物品检测模型对应的优先级； 将所述待识别图像输入至所述违禁物品检测模型集中的每个违禁物品检测模型， 以生 成候选识别结果， 得到候选识别结果 集； 响应于确定所述候选识别结果集中存在识别内容不同的识别结果， 将所述待识别图像 确定为差异图像， 以及根据所述候选识别结果集和所述各个违禁物品检测模型对应的优先 级， 确定所述待识别图像对应的识别结果。 7.一种基于对抗网络的人工智能模型 更新装置， 包括： 第一执行单元， 被配置成对于目标边缘设备网中的每个边缘设备， 执行差异图像确定 步骤： 获取部署 于所述边缘设备的、 预先训练的违禁物品检测模型集； 确定目标时间段内所 述违禁物品检测模型集对应的识别图像集； 从所述识别图像集中筛选出所述违禁物品检测 模型集对应识别结果 集存在差异的识别图像， 作为差异图像， 得到 差异图像集； 第二执行单元， 被配置成对于所述目标边缘设备网中的主边缘设备， 执行模型优先级 调整步骤： 根据所得到的差异图像集组， 生成针对 所述主边缘设备的验证样 本集； 将所述验 证样本集输入至所述主边缘设备对应的违禁物品检测模型集， 得到至少 两个验证结果集； 根据所述至少两个验证结果集， 调整 所述主边缘设备对应违禁物品检测模 型集中各个违禁 物品检测模型的优先级， 以对所述主边 缘设备的模型进行 更新。 8.一种识别装置， 包括： 获取单元， 被配置成获取待识别图像和目标边缘设备网中的主边缘设备所部署的违禁 物品检测模型集； 第一确定单元， 被配置成确定所述违禁物品检测模型集中的各个违禁物品检测模型对 应的优先级； 输入单元， 被配置成将所述待识别图像输入至所述违禁物品检测模型集中的每个违禁 物品检测模型， 以生成候选识别结果， 得到候选识别结果 集； 第二确定单元， 被配置成响应于确定所述候选识别结果集中存在识别内容不同的识别 结果， 将所述待识别图像确定为差异图像， 以及根据所述候选识别结果集和所述各个违禁 物品检测模型对应的优先级， 确定所述待识别图像对应的识别结果。 9.一种电子设备， 包括： 一个或多个处 理器；权　利　要　求　书 2/3 页 3 CN 115393652 A 3