[發明專利]圖像數據清洗方法、圖像處理方法及裝置

在審

• 申請號: 201910629492.3
• 申請日: 2019-07-12
• 公開（公告）號: CN110321971A
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 申萬祥;韋潤民;謝彥博;李陽
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京鉦霖知識產權代理有限公司 11722
• 代理人: 馮志云;李志新

本公開提供了一種圖像數據清洗方法、圖像處理方法及裝置。其中圖像數據清洗方法包括：比對步驟，將一個或多個待測圖像與一個基礎圖像集中的全部基礎圖像分別比較，得到比對相似度；獲取條件占比步驟，將每個比對相似度與比對閾值的比對，得到一個或多個待測圖像的條件占比，其中，條件占比為：比對相似度高于比對閾值的數量與全部相似度的數量之間的比值；清洗步驟，根據條件占比與預設比值，將一個或多個待測圖像并入基礎圖像集中。通過比對獲取相似度并通過與閾值比較結果的條件占比做出精細比較，從而提高圖像數據集中的圖像一致性，并且提高清洗的準確性。

技術領域

本公開一般地涉及圖像識別領域，具體涉及一種圖像數據清洗方法。

背景技術

數據清洗是算法提升的重要一環，數據清洗包括拆分、關聯聚合、重新分組、剔除等等操作，高質量的數據集可以確保模型能夠走向正確的收斂方向，以保證數據集中數據的一致性。

在圖像識別領域中，高質量的數據集要求每個目標(id)的一個數據集下的圖片盡可能的多樣性，如人臉的相似度方差盡可能的大，理想的數據應該包含各種場景、道具亦或者跨年齡等等，來提高模型的魯棒性。然而多樣性的數據采集、收集可能會引入錯誤的數據(臟數據)或者發生不恰當的分組。因此圖像識別中的數據的情況，可以分為案例一：一個目標的分組下有若干個圖為非該目標的圖而是其他目標的圖；案例二：多個數據集合均是一個目標，但是沒有聚合在一起，造成分裂或者有小號的問題，也就是一個目標的圖分為了多個組。

發明內容

為了解決現有技術中存在的上述問題，本公開的第一方面提供一種圖像數據清洗方法，其中，方法包括：比對步驟，將一個或多個待測圖像與一個基礎圖像集中的全部基礎圖像分別比較，得到比對相似度；獲取條件占比步驟，將每個比對相似度與比對閾值的比對，得到一個或多個待測圖像的條件占比，其中，條件占比為：比對相似度高于比對閾值的數量與全部相似度的數量之間的比值；清洗步驟，根據條件占比與預設比值，將一個或多個待測圖像并入基礎圖像集中。

在一例中，在比對步驟之前和/或清洗步驟之后，方法還包括：圖像獲取步驟，根據基礎圖像集的標準圖像，得到一個或多個待測圖像。

在一例中，圖像獲取步驟包括：圖像篩選步驟，將基礎圖像集中的全部圖像分別與基礎圖像集的標準圖像比較相似度，得到篩選相似度，將篩選相似度低于或等于篩選閾值的圖像作為待測圖像。

在一例中，圖像獲取步驟包括：圖像集初選步驟，將初選圖像集的初選標準圖像與基礎圖像集的標準圖像比較相似度，得到圖像集初選相似度，如圖像集初選相似度高于圖像集初選閾值，則將初選圖像集中的全部圖像作為待測圖像。

在一例中，圖像獲取步驟包括：圖像初選步驟，將初選圖像與基礎圖像集的標準圖像比較相似度，得到初選相似度，如初選相似度高于初選閾值，則初選圖像作為待測圖像。

在一例中，比對閾值包括第一比對閾值和第二比對閾值，預設比值包括第一預設比值和第二預設比值，其中第一比對閾值大于第二比對閾值，第一預設比值小于第二預設比值；獲取條件占比步驟包括：根據比對相似度分別與第一比對閾值和第二比對閾值的比對，分別得到一個或多個待測圖像的第一條件占比和第二條件占比；清洗步驟包括：將第一條件占比高于第一預設比值，且第二條件占比高于第二預設比值的一個或多個待測圖像并入基礎圖像集中。

本公開的第二方面提供一種圖像處理方法，包括：圖像識別步驟，識別圖像中的目標；聚合步驟，基于目標，將圖像分組形成圖像集；數據清洗步驟，根據第一方面的圖像數據清洗方法，對圖像和/或圖像集進行數據清洗。