[發明專利]計算機視覺模型的訓練方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010533723.3
• 申請日: 2020-06-12
• 公開（公告）號: CN111814835A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 苑帥;付萬豪;劉殿超;張觀良;王剛
• 申請（專利權）人: 理光軟件研究所（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02;G06N3/08
• 代理公司: 北京市隆安律師事務所 11323
• 代理人: 權鮮枝

1.一種計算機視覺模型的訓練方法，其特征在于，包括：

利用計算機視覺模型對第一樣本圖像集中的樣本圖像進行識別，得到圖像識別結果；

基于圖像識別結果對所述第一樣本圖像集中的樣本圖像進行分類，并基于統計分布函數分別選取各分類下的至少部分樣本圖像，根據選取的樣本圖像生成第二樣本圖像集；

根據所述第二樣本圖像集對所述計算機視覺模型進行迭代訓練，根據每個迭代訓練階段得到的訓練損失值對所述計算機視覺模型進行參數更新或結束訓練。

2.根據權利要求1所述的計算機視覺模型的訓練方法，其特征在于，所述圖像識別結果包括圖像預測概率值，所述基于圖像識別結果對所述第一樣本圖像集中的樣本圖像進行分類，并基于統計分布函數分別選取各分類下的至少部分樣本圖像包括：

將所述圖像預測概率值與預設概率值進行比較，根據比較結果確定模糊樣本圖像和清晰樣本圖像；

基于正態分布概率模型分別對所述模糊樣本圖像和所述清晰樣本圖像進行樣本抽取。

3.根據權利要求1所述的計算機視覺模型的訓練方法，其特征在于，所述根據選取的樣本圖像生成第二樣本圖像集包括：

根據所述圖像識別結果確定所述第二樣本圖像集中各樣本圖像的樣本屬性，以根據所述樣本屬性確定所述計算機視覺模型的訓練樣本權重。

4.根據權利要求3所述的計算機視覺模型的訓練方法，其特征在于，所述根據所述圖像識別結果確定所述第二樣本圖像集中各樣本圖像的樣本屬性包括：

將所述第二樣本圖像集中各樣本圖像的圖像識別結果與圖像人工標注結果進行比較；

根據比較結果確定各樣本圖像的樣本難易屬性。

5.根據權利要求4所述的計算機視覺模型的訓練方法，其特征在于，所述根據比較結果確定各樣本圖像的樣本難易屬性包括：

若比較結果表征的差異度大于預設閾值，則確定相應的樣本圖像的樣本難易屬性為困難，否則為常規；

所述根據所述圖像識別結果確定所述第二樣本圖像集中各樣本圖像的樣本屬性還包括：

將樣本難易屬性為困難的各樣本圖像的比較結果作為相應的樣本圖像的標注差異屬性。

6.根據權利要求5所述的計算機視覺模型的訓練方法，其特征在于，所述標注差異屬性包括候選框位置差異、候選框大小差異和候選框類別差異中的至少一種，所述根據所述樣本屬性確定所述計算機視覺模型的訓練樣本權重包括：

根據樣本難易屬性為困難的各樣本圖像的標注差異屬性確定相應的樣本圖像的訓練樣本權重。

7.根據權利要求1至6任一項所述的計算機視覺模型的訓練方法，其特征在于，所述根據所述第二樣本圖像集對所述計算機視覺模型進行迭代訓練包括：

通過前端頁面可視化地展示所述第二樣本圖像集中各樣本圖像的圖像識別結果和標注信息。

8.一種計算機視覺任務的實現方法，其特征在于，包括：

獲取待處理圖像；

利用計算機視覺模型執行基于所述待處理圖像的計算機視覺任務，得到任務執行結果，其中所述計算機視覺模型基于權利要求1至6任一項所述的計算機視覺模型的訓練方法訓練得到。

9.一種計算機視覺模型的訓練裝置，其特征在于，包括：

識別單元，用于利用計算機視覺模型對第一樣本圖像集中的樣本圖像進行識別，得到圖像識別結果；

選取單元，用于基于圖像識別結果對所述第一樣本圖像集中的樣本圖像進行分類，并基于統計分布函數分別選取各分類下的至少部分樣本圖像，根據選取的樣本圖像生成第二樣本圖像集；

訓練單元，用于根據所述第二樣本圖像集對所述計算機視覺模型進行迭代訓練，根據每個迭代訓練階段得到的訓練損失值對所述計算機視覺模型進行參數更新或結束訓練。