[發明專利]一種訓練樣本的生成方法及生成裝置

有效

• 申請號: 202110791909.3
• 申請日: 2021-07-13
• 公開（公告）號: CN113408482B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 陳曉;張偉;謝思敏
• 申請（專利權）人: 杭州聯吉技術有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V20/62;G06V10/774;G06V10/764;G06V10/82;G06N3/084
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 梁立耀

1.一種訓練樣本的生成方法，其特征在于，所述生成方法，包括：

獲取多個車輛樣本圖像各自對應的原始標簽集合；所述原始標簽集合包括由不同的車輛信息各自對應標簽構成的集合；

在所述原始標簽集合中保留單個目標車輛信息對應的第一標簽，并將其余車輛信息對應的第二標簽替換為預設參數，得到所述原始標簽集合對應的第一標簽集合；所述預設參數用于暫停所述其余車輛信息對多分類模型的訓練操作或測試操作；所述第一標簽用于訓練或測試所述多分類模型；

按照不同目標車輛信息的預設順序，在多個所述第一標簽集合中獲取每個所述預設順序對應的一個目標第一標簽集合，形成第一標簽集合組；所述目標第一標簽集合是指包括所述預設順序對應的所述目標車輛信息的第一標簽集合；

循環執行所述按照不同所述目標車輛信息的預設順序，在多個所述第一標簽集合中獲取每個所述預設順序對應的一個目標第一標簽集合，形成第一標簽集合組的步驟，并將各個所述第一標簽集合組以及各個所述第一標簽集合組對應的車輛樣本圖像作為目標訓練樣本集合；所述目標訓練樣本集合用于訓練或測試所述多分類模型。

2.如權利要求1所述生成方法，其特征在于，所述獲取多個車輛樣本圖像各自對應的原始標簽集合，包括：

獲取多個第一車輛樣本圖像以及預先訓練的第一多分類模型；

將所述第一車輛樣本圖像輸入所述第一多分類模型處理，得到由所述第一多分類模型輸出所述第一車輛樣本圖像對應的第一原始標簽集合；

獲取基于所述第一原始標簽集合擴充的多個第二車輛樣本圖像；

將所述第二車輛樣本圖像集合輸入所述第一多分類模型處理，得到由所述第一多分類模型輸出所述第二車輛樣本圖像對應的第二原始標簽集合；

將所述第二原始標簽集合，作為多個車輛樣本圖像各自對應的所述原始標簽集合。

3.如權利要求2所述生成方法，其特征在于，在所述循環執行所述按照不同所述目標車輛信息的預設順序，在多個所述第一標簽集合中獲取每個所述預設順序對應的一個目標第一標簽集合，形成第一標簽集合組的步驟，并將各個所述第一標簽集合組以及各個所述第一標簽集合組對應的車輛樣本圖像作為目標訓練樣本集合之后，還包括：

通過所述目標訓練樣本集合訓練所述第一多分類模型，得到第二多分類模型；

將所述第二多分類模型作為預先訓練的第一多分類模型，將目標訓練樣本集合中的圖像作為所述第一車輛樣本圖像，并循環執行所述獲取多個第一車輛樣本圖像以及預先訓練的第一多分類模型的步驟以及后續步驟，直至所述目標訓練樣本集合符合預設條件。

4.如權利要求2所述生成方法，其特征在于，所述將所述第一車輛樣本圖像輸入所述第一多分類模型處理，得到由所述第一多分類模型輸出所述第一車輛樣本圖像對應的第一原始標簽集合，包括：

通過車輛檢測模型，截取每個所述過濾車輛樣本圖像中車輛所處圖像區域對應的目標圖像；

通過車輛過濾模型，過濾多個所述第一車輛樣本圖像，得到過濾車輛樣本圖像；

將所述目標圖像輸入所述第一多分類模型處理，得到由所述第一多分類模型輸出所述第一車輛樣本圖像對應的第一原始標簽集合。

5.如權利要求1所述生成方法，其特征在于，所述在所述原始標簽集合中保留單個目標車輛信息對應的第一標簽，并將其余車輛信息對應的第二標簽替換為預設參數，得到所述原始標簽集合對應的第一標簽集合，包括：

將多個所述原始標簽集合中錯誤標簽集合進行糾正，得到第二標集合；所述錯誤標簽集合是指所述多分類模型錯誤分類得到的標簽集合；

在所述第二標簽集合中保留單個目標車輛信息對應的第一標簽，并將其余車輛信息對應的第二標簽替換為預設參數，得到每個所述第二標簽集合對應的所述第一標簽集合。

6.如權利要求1至5任意一項所述生成方法，其特征在于，所述方法，還包括：

通過所述目標訓練樣本集合訓練目標多分類模型，得到訓練后的目標多分類模型。