[發(fā)明專利]一種標(biāo)注類型自適應(yīng)的主動學(xué)習(xí)圖像目標(biāo)檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202111435129.1
• 申請日: 2021-11-29
• 公開（公告）號: CN114155398A
• 公開（公告）日: 2022-03-08
• 發(fā)明（設(shè)計(jì)）人: 呂夢遙;陳輝;張希雅
• 申請（專利權(quán)）人: 杭州涿溪腦與智能研究所
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/44;G06K9/62
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 單冠飛

1.一種標(biāo)注類型自適應(yīng)的主動學(xué)習(xí)圖像目標(biāo)檢測方法，其特征在于，包括以下步驟：

用所述檢測模型對所述目標(biāo)檢測對象進(jìn)行檢測，得到所述目標(biāo)對象對應(yīng)的定位信息和分類信息；

對所述分類信息滿足第一預(yù)設(shè)條件的目標(biāo)對象，根據(jù)量化指標(biāo)定額選擇最有價(jià)值的對象進(jìn)行標(biāo)注，以獲得所述目標(biāo)檢測對象對應(yīng)的類別標(biāo)簽，對所述定位信息滿足第二預(yù)設(shè)條件的目標(biāo)檢測對象，根據(jù)量化指標(biāo)定額選擇最有價(jià)值的檢測對象進(jìn)行標(biāo)注，以獲得所述檢測目標(biāo)對象對應(yīng)的補(bǔ)充包圍框標(biāo)簽；

根據(jù)所述類別標(biāo)簽和所述補(bǔ)充包圍框標(biāo)簽生成所述目標(biāo)對象的第一標(biāo)注數(shù)據(jù)，將所述第一標(biāo)注數(shù)據(jù)加入至標(biāo)注數(shù)據(jù)集，其中，所述標(biāo)注數(shù)據(jù)集中預(yù)存有第二標(biāo)注數(shù)據(jù)；

根據(jù)所述標(biāo)注數(shù)據(jù)集對半監(jiān)督檢測模型重新訓(xùn)練，得到迭代更新后的目標(biāo)半監(jiān)督檢測模型，直到模型達(dá)到預(yù)期性能或標(biāo)注數(shù)量達(dá)到預(yù)算。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過下述方式設(shè)計(jì)所述半監(jiān)督檢測模型：

提取圖象的多尺度特征圖，將中心點(diǎn)估計(jì)作為第一分支，弱監(jiān)督全局平均池化作為第二分支，所述第一分支和所述第二分支共享部分所述多尺度特征圖的參數(shù)；

在所述第一分支中，對所述多尺度特征圖進(jìn)行卷積得到預(yù)測位置信息；

在所述第二分支中，對所述多尺度特征圖進(jìn)行卷積得到可受圖像級標(biāo)簽監(jiān)督的響應(yīng)圖。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，對所述目標(biāo)圖像進(jìn)行檢測，得到應(yīng)的定位信息和分類信息，包括：

經(jīng)過所述初始半監(jiān)督檢測模型對所述目標(biāo)圖像進(jìn)行預(yù)測，得到所述目標(biāo)對象對應(yīng)的定位信息和分類信息。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第一預(yù)設(shè)條件包括分類信息量高于第一特定閾值的目標(biāo)對象，所述第二預(yù)設(shè)條件包括定位信息量高于第二特定閾值的目標(biāo)對象。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，對所述分類信息滿足第一預(yù)設(shè)條件的目標(biāo)對象進(jìn)行標(biāo)注以獲得所述目標(biāo)對象對應(yīng)的類別標(biāo)簽，對所述定位信息滿足第二預(yù)設(shè)條件的目標(biāo)對象進(jìn)行標(biāo)注以獲得所述目標(biāo)對象對應(yīng)的補(bǔ)充包圍框標(biāo)簽，包括：

用熵衡量目標(biāo)的類別信息量：

其中，為用熵衡量目標(biāo)的類別信息量，表示中心點(diǎn)坐標(biāo)處的類別預(yù)測概率，c為候選類別總數(shù)。

為計(jì)算點(diǎn)中心點(diǎn)坐標(biāo)處的定位信息量，首先計(jì)算尺度補(bǔ)償矩陣的局部概率分布期望：

其中，r定義了局部鄰域半徑。

其次，用局部平均預(yù)測值的熵和預(yù)測值熵的均值之間的差異衡量數(shù)據(jù)分布和模型預(yù)測分布的互信息，以作為定位信息量的估計(jì)：

其中，計(jì)算信息熵，此處定義為：

類似地，獲得中心點(diǎn)坐標(biāo)處的尺寸信息量用表示總的定位信息量：

為分類和定位分別設(shè)置閾值∈_c,∈_l，分別篩選出信息量超過對應(yīng)閾值的目標(biāo)，定量選擇信息量最大的目標(biāo)，提供對應(yīng)類型的標(biāo)注。

6.一種標(biāo)注類型自適應(yīng)的主動學(xué)習(xí)圖像目標(biāo)檢測裝置，其特征在于，包括：

檢測模塊，用于用所述檢測模型對所述目標(biāo)檢測對象進(jìn)行檢測，得到所述目標(biāo)對象對應(yīng)的定位信息和分類信息；

評估模塊，用于對所述分類信息滿足第一預(yù)設(shè)條件的目標(biāo)對象，根據(jù)量化指標(biāo)定額選擇最有價(jià)值的對象進(jìn)行標(biāo)注，以獲得所述目標(biāo)檢測對象對應(yīng)的類別標(biāo)簽，對所述定位信息滿足第二預(yù)設(shè)條件的目標(biāo)檢測對象，根據(jù)量化指標(biāo)定額選擇最有價(jià)值的檢測對象進(jìn)行標(biāo)注，以獲得所述檢測目標(biāo)對象對應(yīng)的補(bǔ)充包圍框標(biāo)簽；

標(biāo)注模塊，用于根據(jù)所述類別標(biāo)簽和所述補(bǔ)充包圍框標(biāo)簽生成所述目標(biāo)對象的第一標(biāo)注數(shù)據(jù)，將所述第一標(biāo)注數(shù)據(jù)加入至標(biāo)注數(shù)據(jù)集，其中，所述標(biāo)注數(shù)據(jù)集中預(yù)存有第二標(biāo)注數(shù)據(jù)；

訓(xùn)練模塊，用于根據(jù)所述標(biāo)注數(shù)據(jù)集對半監(jiān)督檢測模型重新訓(xùn)練，得到迭代更新后的目標(biāo)半監(jiān)督檢測模型，直到模型達(dá)到預(yù)期性能或標(biāo)注數(shù)量達(dá)到預(yù)算。