[發(fā)明專利]一種基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110473550.5
• 申請(qǐng)日: 2021-04-29
• 公開(kāi)（公告）號(hào): CN112884135B
• 公開(kāi)（公告）日: 2021-07-30
• 發(fā)明（設(shè)計(jì)）人: 糜澤陽(yáng);鄭軍
• 申請(qǐng)（專利權(quán)）人: 聚時(shí)科技（江蘇）有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08
• 代理公司: 湖北天領(lǐng)艾匹律師事務(wù)所 42252
• 代理人: 胡振宇

1.一種基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法，其特征在于，包括如下步驟：

S1：將數(shù)據(jù)根據(jù)首次標(biāo)注過(guò)程中的難易程度和對(duì)標(biāo)注結(jié)果的置信度，分為gold標(biāo)注和hard標(biāo)注的兩批樣本數(shù)據(jù)；只有容易標(biāo)注并且標(biāo)注置信度高的樣本分為gold標(biāo)注的樣本數(shù)據(jù)，其他均歸入hard標(biāo)注的樣本數(shù)據(jù)；

S2：使用焦點(diǎn)損失函數(shù)改進(jìn)目標(biāo)檢測(cè)算法YOLO V5，再使用gold標(biāo)注的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，待訓(xùn)練模型訓(xùn)練穩(wěn)定后，每隔固定迭代次數(shù)保存m個(gè)訓(xùn)練模型，其中m為大于10的整數(shù)；

S3：將保存的m個(gè)訓(xùn)練模型在hard標(biāo)注的樣本數(shù)據(jù)上進(jìn)行推理，根據(jù)推理結(jié)果形成的所有圖片進(jìn)行離線保存；

S4：針對(duì)每一張圖片將m個(gè)訓(xùn)練模型所有的推理結(jié)果進(jìn)行匯總，對(duì)所有的邊框進(jìn)行聚類，聚類的簇?cái)?shù)目設(shè)置為當(dāng)前圖片上真實(shí)目標(biāo)的個(gè)數(shù)；

S5：統(tǒng)計(jì)每簇內(nèi)的邊框數(shù)量，若邊框數(shù)量＜m/2，則認(rèn)為預(yù)測(cè)結(jié)果置信度低，保持人工的方式進(jìn)行標(biāo)注；若邊框數(shù)量≥m/2，則認(rèn)為預(yù)測(cè)結(jié)果置信度高，則進(jìn)入S6；

S6：對(duì)S5中同簇內(nèi)所有邊框的上下左右四個(gè)邊界點(diǎn)進(jìn)行一般分布建模；

S7：根據(jù)S6中的建模結(jié)果，校正邊框的位置。

2.如權(quán)利要求1所述的基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法，其特征在于，在步驟S2中還包括步驟S21：焦點(diǎn)損失函數(shù)包含QFL和DFL，分別如公式（1）和（2）所得；

（1）；

（2）；

公式（1）中，σ表示分類得分，y代表定位的置信度得分，β是調(diào)節(jié)分類得分和定位置信度得分之間絕對(duì)距離的調(diào)節(jié)因子；公式（2）中，Si表示yi經(jīng)過(guò)softmax函數(shù)之后的結(jié)果。

3.如權(quán)利要求2所述的基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法，其特征在于，在步驟S2中還包括步驟S22：當(dāng)訓(xùn)練的QFL和DFL累加后的總和不再大幅度下降時(shí)訓(xùn)練模型達(dá)到穩(wěn)定狀態(tài)，設(shè)置每隔固定的迭代次數(shù)保存訓(xùn)練模型，共保存m個(gè)訓(xùn)練模型。

4.如權(quán)利要求2所述的基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法，其特征在于，對(duì)目標(biāo)檢測(cè)算法YOLO V5的輸出維度進(jìn)行修改，將預(yù)先標(biāo)注的真實(shí)值標(biāo)簽gt限制在[gt₀，gt_n]范圍內(nèi)，對(duì)邊框回歸的每個(gè)回歸參數(shù)預(yù)測(cè)一個(gè)n+1的向量，該向量滿足任意分布，并且預(yù)測(cè)與該向量對(duì)應(yīng)的概率分布P(gt_i)，表示訓(xùn)練模型對(duì)當(dāng)前邊框回歸的置信度，對(duì)預(yù)測(cè)的位置分布和概率分布仍然計(jì)算交叉熵?fù)p失函數(shù)并進(jìn)行優(yōu)化，其中，10＜n＜100，且n為整數(shù)。

5.如權(quán)利要求1所述的基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法，其特征在于，在步驟S7中還包括步驟S71：將S6中的建模結(jié)果向二維坐標(biāo)系投影，并對(duì)投影曲線進(jìn)行擬合。

6.如權(quán)利要求5所述的基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法，其特征在于，在步驟S7中還包括步驟S72：采用波峰識(shí)別算法分析曲線呈現(xiàn)的態(tài)勢(shì)，曲線的峰值點(diǎn)滿足一階導(dǎo)數(shù)為零，二階導(dǎo)數(shù)非負(fù)。

7.如權(quán)利要求6所述的基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法，其特征在于，在步驟S7中還包括步驟S73：當(dāng)物體邊界確定的時(shí)候，曲線往往只會(huì)出現(xiàn)一個(gè)波峰，此時(shí)根據(jù)波峰位置對(duì)含有hard標(biāo)注的邊框進(jìn)行修正。

8.如權(quán)利要求7所述的基于邊框回歸的數(shù)據(jù)標(biāo)注校正方法，其特征在于，在步驟S7中還包括步驟S74：當(dāng)物體邊界存在模糊不確定時(shí)，曲線可能會(huì)出現(xiàn)雙峰型或者多峰型分布；若波峰的幅值相差較大，則選取最大波峰位置對(duì)含有hard標(biāo)注的邊框進(jìn)行修正，否則，按照公式（3）通過(guò)加權(quán)和的形式對(duì)邊框進(jìn)行修正，

（3）。