[發明專利]圖像標簽的核驗方法及裝置、電子設備、存儲介質

有效

• 申請號: 202010169690.9
• 申請日: 2020-03-10
• 公開（公告）號: CN111353549B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 秦永強;李素瑩;紀雙西;張祥偉
• 申請（專利權）人: 創新奇智（重慶）科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/762;G06V10/774;G06N20/00
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李飛

1.一種圖像標簽的核驗方法，其特征在于，包括：

利用初始訓練集訓練的機器學習模型對待核驗集中的待核驗圖像進行分類計算，獲得所述待核驗圖像的預測標簽和標簽可信度，包括：通過所述機器學習模型提取所述待核驗圖像的圖像特征，并基于所述圖像特征進行分類計算，獲得所述待核驗圖像的預測標簽；對于每一待核驗圖像，通過所述機器學習模型，提取標注標簽與該待核驗圖像的預測標簽相同的樣本圖像的圖像特征；計算所述待核驗圖像的圖像特征與所述樣本圖像的圖像特征之間的特征距離，所述特征距離用于表征標簽可信度；

根據所述待核驗圖像的標簽可信度，從所述待核驗集中進行可信圖像的篩選；

根據所述可信圖像的預測標簽，重新進行所述機器學習模型的訓練以及所述待核驗圖像的分類計算，直到所述待核驗圖像的標簽預測結果滿足可信度要求；

比對所述待核驗圖像的標簽預測結果和標注標簽，獲得核驗結果。

2.根據權利要求1所述的方法，其特征在于，在所述利用初始訓練集訓練的機器學習模型對待核驗集中的待核驗圖像進行分類計算之前，所述方法還包括：

選擇所述標注標簽可信的標注圖像，作為樣本圖像加入所述初始訓練集，并將所述初始訓練集以外的標注圖像作為待核驗圖像加入所述待核驗集；

利用所述初始訓練集中的樣本圖像訓練所述機器學習模型。

3.根據權利要求2所述的方法，其特征在于，所述選擇所述標注標簽可信的標注圖像，包括：

針對所述標注標簽指示同一圖像類別信息的標注圖像，聚類劃分至多個簇；

計算每一簇的簇中心圖像和簇內每一標注圖像之間的一致性參數；

依據所述一致性參數篩選出標注標簽可信的標注圖像。

4.根據權利要求1所述的方法，其特征在于，所述根據所述待核驗圖像的標簽可信度，從所述待核驗集中進行可信圖像的篩選，包括：

對于每一預測標簽，從具有該預測標簽的待核驗圖像中篩選候選可信圖像；

對于每一候選可信圖像，判斷該候選可信圖像對應的特征距離是否小于預設距離閾值，若是，確定所述候選可信圖像為可信圖像。

5.根據權利要求4所述的方法，其特征在于，所述對于每一預測標簽，從具有該預測標簽的待核驗圖像中篩選候選可信圖像，包括：

對于每一預測標簽，依據與訓練次數對應的預設比值和具有該預測標簽的待核驗圖像的總數，確定所述候選可信圖像的第一數量；

基于所述第一數量，選擇所述特征距離最小的待核驗圖像，作為該預測標簽對應的候選可信圖像。

6.根據權利要求4所述的方法，其特征在于，所述對于每一預測標簽，從具有該預測標簽的待核驗圖像中篩選候選可信圖像，包括：

判斷每一待核驗圖像的預測標簽對應的置信度是否大于預設置信度閾值，若是，將該待核驗圖像作為該預測標簽對應的候選可信圖像。

7.一種圖像標簽的核驗裝置，其特征在于，包括：

預測模塊，用于利用初始訓練集訓練的機器學習模型對待核驗集中的待核驗圖像進行分類計算，獲得所述待核驗圖像的預測標簽和標簽可信度，包括：通過所述機器學習模型提取所述待核驗圖像的圖像特征，并基于所述圖像特征進行分類計算，獲得所述待核驗圖像的預測標簽；對于每一待核驗圖像，通過所述機器學習模型，提取標注標簽與該待核驗圖像的預測標簽相同的樣本圖像的圖像特征；計算所述待核驗圖像的圖像特征與所述樣本圖像的圖像特征之間的特征距離，所述特征距離用于表征標簽可信度；

篩選模塊，用于根據所述待核驗圖像的標簽可信度，從所述待核驗集中進行可信圖像的篩選；

訓練模塊，用于根據所述可信圖像的預測標簽，重新進行所述機器學習模型的訓練以及所述待核驗圖像的分類計算，直到所述待核驗圖像的標簽預測結果滿足可信度要求；

核驗模塊，用于比對所述待核驗圖像的標簽預測結果和標注標簽，獲得核驗結果。