[發明專利]一種標注類型自適應的主動學習圖像目標檢測方法及裝置在審

申請號：	202111435129.1	申請日：	2021-11-29
公開（公告）號：	CN114155398A	公開（公告）日：	2022-03-08
發明（設計）人：	呂夢遙;陳輝;張希雅	申請（專利權）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：	北京清亦華知識產權代理事務所(普通合伙) 11201	代理人：	單冠飛
地址：	311100 浙江***	國省代碼：	浙江;33
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種標注類型自適應主動學習圖像目標檢測方法裝置
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明提出一種標注類型自適應的主動學習圖像目標檢測方法及裝置，其中，該方法包括：獲取目標圖像，對其進行檢測，得到目標對象對應的定位信息和分類信息，并對分類信息滿足第一預設條件的進行標注以獲得對應的類別標簽，對定位信息滿足第二預設條件的進行標注以獲得對應的補充包圍框標簽，根據兩種標簽生成第一標注數據，將第一標注數據加入至標注數據集，其中，標注數據集中預存有第二標注數據；根據標注數據集對半監督檢測模型重新訓練，得到迭代更新后的目標半監督檢測模型，直到模型達到預期性能或標注數量達到預算。該方法既能顯著節約標注成本，又能提高檢測算法對目標類別、位置的判斷。

技術領域

本發明涉及自適應主動學習技術領域，尤其涉及一種標注類型自適應的主動學習圖像目標檢測方法及裝置。

背景技術

在相關技術中，基于卷積神經網絡的目標檢測方法主要依賴大規模的數據集和全監督訓練，主要包括基于候選框的兩階段檢測器、基于錨框的單階段檢測器和基于特征點的免框檢測器。

通常情況下，兩階段檢測先借助選擇性搜索或區域提取網絡提取候選框，再提取候選框圖像特征，做出類別和位置預測。Girshick等人首次用卷積神經網絡提取候選框特征，分類和定位分別由支持向量機和回歸模型實現；空間金字塔池化模型將候選框映射到特征圖上，全圖僅需一次前向計算，并將池化層插入網絡最后一個全連接層之前，無需縮放候選框即可得到固定長度的圖像表示。以及，在相關技術中，單階段檢測方法的準確率已經達到兩階段方法的水平，但是大量背景錨框限制了網絡的性能。

但是，這些算法仍然依賴于規模大、模式多樣化、標注詳盡的數據集，人工標注成本變得更加耗時和復雜，而僅選擇一部分有代表性的數據進行標注是可行的。如果隨機采樣圖像數據進行標注，只有采樣規模足夠大時才能保證獲取足夠豐富的信息，否則模型的泛化能力會受到嚴重影響。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明的第一個目的在于提出一種標注類型自適應的主動學習圖像目標檢測方法，實現單張圖像中多個目標的解耦以及分類和定位任務的解耦，并利用全監督和弱監督數據的聯合訓練，以最大化節約標注成本。

本發明的第二個目的在于提出一種標注類型自適應的主動學習圖像目標檢測裝置。

本發明的第三個目的在于提出一種非臨時性計算機可讀存儲介質。

本發明的第四個目的在于提出一種計算機程序產品。

為達上述目的，本發明第一方面實施例提出了一種方法，包括：

用所述檢測模型對所述目標檢測對象進行檢測，得到所述目標對象對應的定位信息和分類信息

對所述分類信息滿足第一預設條件的目標對象，根據量化指標定額選擇最有價值的對象進行標注，以獲得所述目標檢測對象對應的類別標簽，對所述定位信息滿足第二預設條件的目標檢測對象，根據量化指標定額選擇最有價值的檢測對象進行標注，以獲得所述檢測目標對象對應的補充包圍框標簽；

根據所述類別標簽和所述補充包圍框標簽生成所述目標對象的第一標注數據，將所述第一標注數據加入至標注數據集，其中，所述標注數據集中預存有第二標注數據；

根據標注數據集對半監督檢測模型重新訓練，得到迭代更新后的目標半監督檢測模型，直到模型達到預期性能或標注數量達到預算。