一种图像语义分割的错误标注数据筛选方法及系统技术方案

本发明专利技术涉及一种图像语义分割的错误标注数据筛选方法及系统，该方法包括步骤：利用已训练出的网络模型对已参与训练的原始图像进行图像识别预测，得到该原始图像中每个像素点的置信度，并根据所述置信度计算得到目标类别的准确率、召回率和/或交并比；利用得出的准确率、召回率和/或交并比判定标注数据是否是可疑错误标注；筛选出疑似错误标注的数据。通过本发明专利技术方法及系统，可以将标注错误的数据筛选出来，可用于进行二次标注及训练，对原有模型进行优化，从而提高模型识别能力。

【技术实现步骤摘要】
一种图像语义分割的错误标注数据筛选方法及系统
本专利技术涉及图像识别
，特别涉及一种图像语义分割错误标注数据筛选方法及系统。
技术介绍
近年来，随着深度学习的逐渐发展，卷积神经网络在计算机视觉领域得到了广泛的应用，包括目标检测、图象语义分割等方面。卷积神经网络模型的训练过程是：采集样本数据——对样本数据进行标注——输入样本数据进行模型预测——将预测结果与标注数据进行损失计算，并以计算结果优化模型参数——N次迭代得到最终的模型。模型的训练需要大量的样本数据，且训练数据的质量直接影响到模型的质量。所以在神经网络模型的使用过程中，可能会使用新数据对既有的模型进行再次训练以对模型进行优化，尤其是最初的模型的训练样本较为缺乏的情况。目前监督学习的训练数据都是采用人工标注进行，而人工标注的主观性或是误操作等因素，容易造成数据的标注错误，而错误标注数据必定影响模型的质量，所以，从人工标注数据中找出错误标注的数据是很有必要的。
技术实现思路
本专利技术的目的在于改善现有技术中所存在的目前还没有可以从人工标注数据中查找出错误标注数据的不足，提供一种图像语义分割的错误标注数据筛选方法及系统。为了实现上本文档来自技高网...

【技术保护点】
1.一种图像语义分割的错误标注数据筛选方法，其特征在于，包括以下步骤：利用已训练出的网络模型对已参与训练的原始图像进行图像识别预测，得到该原始图像中每个像素点的置信度，并根据所述置信度计算得到目标类别的准确率、召回率和/或交并比；利用得出的准确率、召回率和/或交并比判定标注数据是否是可疑错误标注；筛选出疑似错误标注的数据。

【技术特征摘要】
1.一种图像语义分割的错误标注数据筛选方法，其特征在于，包括以下步骤：利用已训练出的网络模型对已参与训练的原始图像进行图像识别预测，得到该原始图像中每个像素点的置信度，并根据所述置信度计算得到目标类别的准确率、召回率和/或交并比；利用得出的准确率、召回率和/或交并比判定标注数据是否是可疑错误标注；筛选出疑似错误标注的数据。2.根据权利要求1所述的图像语义分割的错误标注数据筛选方法，其特征在于，所述利用得出的准确率、召回率和/或交并比判定标注数据是否是可疑错误标注的步骤，包括：利用得出的准确率和交并比判定标注数据是否是可疑错误标注；或者，利用得出的召回率和交并比判定标注数据是否是可疑错误标注；或者，利用得出的交并比判定标注数据是否是可疑错误标注。3.根据权利要求2所述的图像语义分割的错误标注数据筛选方法，其特征在于，所述利用得出的准确率和交并比判定标注数据是否是可疑错误标注，包括：若准确率小于设定的第一阈值，且交并比小于设定的第二阈值，则判定该标注数据是可疑错误标注，否则判定为正确标注；所述利用得出的召回率和交并比判定标注数据是否是可疑错误标注，包括：若召回率小于设定的第三阈值，且交并比小于设定的第二阈值，则判定该标注数据是可疑错误标注，否则判定为正确标注。4.根据权利要求2所述的图像语义分割的错误标注数据筛选方法，其特征在于，所述利用得出的准确率和交并比判定标注数据是否是可疑错误标注，包括：若准确率小于设定的第一阈值，且交并比小于设定的第二阈值，且目标类别的像素个数大于设定的第四阈值，则判定该标注数据是可疑错误标注，否则判定为正确标注；所述利用得出的召回率和交并比判定标注数据是否是可疑错误标注，包括：若召回率小于设定的第三阈值，且交并比小于设定的第二阈值，且目标类别的像素个数大于...

【专利技术属性】
技术研发人员：高三元，张本兴，陈慧贞，
申请(专利权)人：贵州宽凳智云科技有限公司，
类型：发明
国别省市：贵州,52