[發(fā)明專利]一種樣本篩選方法、裝置、設(shè)備及計(jì)算機(jī)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210083544.3
• 申請(qǐng)日: 2022-01-25
• 公開（公告）號(hào): CN114118305A
• 公開（公告）日: 2022-03-01
• 發(fā)明（設(shè)計(jì)）人: 黃祖浩;丁明
• 申請(qǐng)（專利權(quán)）人: 廣州市玄武無線科技股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/08;G06N3/04;G06V10/74;G06V10/774;G06V10/72
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 郭浩輝

本發(fā)明公開了一種樣本篩選方法、裝置、設(shè)備及計(jì)算機(jī)介質(zhì)，所述方法包括：獲取已標(biāo)注的參考樣本集和無標(biāo)注的待篩選樣本集；將所述參考樣本集輸入到樣本識(shí)別模型，得到樣本識(shí)別結(jié)果；其中，所述樣本識(shí)別模型通過訓(xùn)練樣本集訓(xùn)練獲得，所述樣本識(shí)別結(jié)果包括標(biāo)注結(jié)果和置信度；基于所述樣本識(shí)別結(jié)果和所述參考樣本集的標(biāo)注標(biāo)簽，確定所述參考樣本集中的目標(biāo)參考樣本；計(jì)算所述目標(biāo)參考樣本與所述待篩選樣本集的特征相似度；根據(jù)所述特征相似度得到所述待篩選樣本集中的目標(biāo)樣本。通過上述方法可在大量收集樣本中快速篩選出高質(zhì)量的目標(biāo)樣本，減少人工篩選工作，提高樣本篩選效率。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別是涉及一種樣本篩選方法、裝置、設(shè)備及計(jì)算機(jī)介質(zhì)。

背景技術(shù)

在計(jì)算機(jī)視覺領(lǐng)域中，深度學(xué)習(xí)模型近年來取得了突破性進(jìn)展，而訓(xùn)練樣本集的質(zhì)量是決定機(jī)器學(xué)習(xí)模型處理能力的關(guān)鍵因素之一。

目前，對(duì)于訓(xùn)練樣本集的獲取主要靠人力無差別收集，這種無差別的樣本收集方法使得訓(xùn)練集中往往存在大量低質(zhì)量樣本，低質(zhì)量樣本既影響對(duì)模型的訓(xùn)練效果，又影響模型的應(yīng)用性能，且大大增加了樣本篩選和標(biāo)注所需的時(shí)間成本以及人力成本。

因此，亟需一種從大量未標(biāo)注樣本中獲得質(zhì)量較高的未標(biāo)注樣本的篩選方法。

發(fā)明內(nèi)容

針對(duì)上述技術(shù)問題，本發(fā)明提供一種樣本篩選方法，能夠在大量樣本中快速篩選出高質(zhì)量的目標(biāo)樣本，減少人工篩選工作，提高樣本篩選效率。

第一方面，本發(fā)明提供一種樣本篩選方法，包括：

獲取已標(biāo)注的參考樣本集和無標(biāo)注的待篩選樣本集；

將所述參考樣本集輸入到樣本識(shí)別模型，得到樣本識(shí)別結(jié)果；其中，所述樣本識(shí)別模型通過訓(xùn)練樣本集訓(xùn)練獲得，所述樣本識(shí)別結(jié)果包括標(biāo)注結(jié)果和置信度；

基于所述樣本識(shí)別結(jié)果和所述參考樣本集的標(biāo)注標(biāo)簽，確定所述參考樣本集中的目標(biāo)參考樣本；

計(jì)算所述目標(biāo)參考樣本與所述待篩選樣本集的特征相似度；

根據(jù)所述特征相似度得到所述待篩選樣本集中的目標(biāo)樣本。

可選的，所述基于所述樣本識(shí)別結(jié)果和所述參考樣本集的標(biāo)注標(biāo)簽，確定所述參考樣本集中的目標(biāo)參考樣本，具體為：

獲取所述參考樣本集中每一樣本經(jīng)所述樣本識(shí)別模型輸出的標(biāo)注結(jié)果和置信度；

將所述標(biāo)注結(jié)果與對(duì)應(yīng)的標(biāo)注標(biāo)簽不一致且所述置信度滿足第一閾值條件的樣本，或所述置信度滿足第二閾值條件的樣本設(shè)置為目標(biāo)參考樣本。

可選的，所述計(jì)算所述目標(biāo)參考樣本與所述待篩選樣本集的特征相似度，具體為：

通過所述樣本識(shí)別模型中的中間層分別獲取所述待篩選樣本集和所述參考樣本集的特征序列；

計(jì)算所述待篩選樣本集的特征序列與所述參考樣本集的特征序列之間的相似度。

可選的，所述計(jì)算所述待篩選樣本集的特征序列與所述參考樣本集的特征序列之間的相似度，具體為：

計(jì)算所述待篩選樣本集的特征序列與所述參考樣本集的特征序列之間的余弦相似度。

可選的，根據(jù)所述特征相似度得到所述待篩選樣本集中的目標(biāo)樣本之后，還包括：

對(duì)所述目標(biāo)樣本進(jìn)行標(biāo)注，將標(biāo)注后的所述目標(biāo)樣本增加至所述訓(xùn)練樣本集；

利用增加了目標(biāo)樣本的所述訓(xùn)練樣本集對(duì)所述樣本識(shí)別模型進(jìn)行迭代更新。

第二方面，本發(fā)明還提供一種樣本篩選裝置，包括：

樣本獲取模塊，用于獲取已標(biāo)注的參考樣本集和無標(biāo)注的待篩選樣本集；

樣本識(shí)別模塊，用于將所述參考樣本集輸入到樣本識(shí)別模型，得到樣本識(shí)別結(jié)果；其中，所述樣本識(shí)別模型通過訓(xùn)練樣本集訓(xùn)練獲得，所述樣本識(shí)別結(jié)果包括標(biāo)注結(jié)果和置信度；基于所述樣本識(shí)別結(jié)果和所述參考樣本集的標(biāo)注標(biāo)簽，確定所述參考樣本集中的目標(biāo)參考樣本；