修正样本标注数据的方法、装置、设备及存储介质制造方法及图纸

本公开关于修正样本标注数据的方法、装置、设备及存储介质，该方法包括：获取带标注数据的图像样本，所述标注数据包括圆形目标的初始边缘位置及初始中心位置；根据所述初始边缘位置进行圆形拟合得到初始半径，将所述初始半径浮动得到多个搜索半径，将所述初始中心位置浮动得到多个搜索中心点；对所述圆形目标进行边缘检测，得到所述圆形目标的边缘像素点；计算每个搜索中心点与每个边缘像素点的距离值，确定该距离值次数中的最大次数；比较各搜索中心点对应的最大次数中的最大值，根据最大值对应的搜索中心点和距离值，得到修正中心位置和修正边缘位置。本公开采用非人工审核校对方式修正样本标注数据，提高了标注数据的修正效率和准确率。

Methods, devices, equipment and storage media for correcting sample label data

【技术实现步骤摘要】
修正样本标注数据的方法、装置、设备及存储介质
本公开涉及数据分类
，尤其涉及修正样本标注数据的方法、装置、设备及存储介质。
技术介绍
目前神经网络的应用越来越广泛，例如在图像识别领域基于神经网络的自学习功能，能够对图像进行目标识别并对识别的图像进行分类。利用神经网络模型解决图像识别分类的问题，首先需要利用大量的样本数据对神经网络模型进行训练，并且，需要对样本进行目标标注作为样本标注数据，利用样本数据以及样本标注数据对神经网络模型进行训练。基于深度学习的神经网络模型的神经网络结构通常比较复杂，往往需要大量的训练样本对神经网络模型进行训练，训练过程一般为：向神经网络模型输入训练样本以及训练样本标注数据，依据对神经网络模型输出的训练样本标注数据与输入的训练样本标注数据进行匹配，根据匹配结果不断对神经网络模型中的各个参数进行调整，直到匹配结果满足用户需求，便完成对该神经网络模型的训练。因此，在基于深度学习的神经网络模型训练中，训练样本目标标注数据是非常重要的一环，决定了利用训练样本训练完成后的神经网络模型的性能，如果训练样本目标标注数据不准确，则会降低神经网络模型的性能。现有技术中通常本文档来自技高网...

【技术保护点】
1.一种修正样本标注数据的方法，其特征在于，包括：获取带标注数据的图像样本，所述标注数据包括圆形目标的初始边缘位置及初始中心位置；根据所述初始边缘位置进行圆形拟合得到初始半径，将所述初始半径浮动得到多个搜索半径，将所述初始中心位置浮动得到多个搜索中心点；对所述圆形目标进行边缘检测，得到所述圆形目标的边缘像素点；计算每个搜索中心点与每个边缘像素点连线得到的距离值，统计不大于各搜索半径的相同距离值出现的次数，从统计的次数中确定最大次数；比较各搜索中心点对应的最大次数中的最大值，根据最大值对应的搜索中心点和距离值，得到修正中心位置和修正边缘位置。

【技术特征摘要】
1.一种修正样本标注数据的方法，其特征在于，包括：获取带标注数据的图像样本，所述标注数据包括圆形目标的初始边缘位置及初始中心位置；根据所述初始边缘位置进行圆形拟合得到初始半径，将所述初始半径浮动得到多个搜索半径，将所述初始中心位置浮动得到多个搜索中心点；对所述圆形目标进行边缘检测，得到所述圆形目标的边缘像素点；计算每个搜索中心点与每个边缘像素点连线得到的距离值，统计不大于各搜索半径的相同距离值出现的次数，从统计的次数中确定最大次数；比较各搜索中心点对应的最大次数中的最大值，根据最大值对应的搜索中心点和距离值，得到修正中心位置和修正边缘位置。2.根据权利要求1所述的方法，其特征在于，所述将所述初始半径浮动得到多个搜索半径，将所述初始中心位置浮动得到多个搜索中心点步骤包括：将所述初始半径上下浮动设定幅度得到多个搜索半径；以所述初始中心位置为中心，在预设半径范围内进行浮动，得到多个搜索中心点。3.根据权利要求1所述的方法，其特征在于，所述根据所述初始边缘位置进行圆形拟合得到初始半径步骤包括：根据所述初始边缘位置的坐标，利用最小二乘法拟合表达圆形的方程，根据所述表达圆形的方程确定所述初始半径。4.根据权利要求1所述的方法，其特征在于，所述圆形目标为虹膜，所述图像样本为包括人眼的图像样本。5.根据权利要求1所述的方法，其特征在于，对所述圆形目标进行边缘检测，包括：确定包围所述圆形目标的最小矩形区域，将所述最小矩形区域向周边扩大设定比例；在扩大后的区域内对所述圆形目标进行边缘检...

【专利技术属性】
技术研发人员：董亚娇，刘裕峰，郑文，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11