一种提高cv算法精度的数据回流方法技术

本发明专利技术提供了一种提高cv算法精度的数据回流方法，该提高cv算法精度的数据回流方法不仅允许用户对识别错误的图像进行标签处理和存储处理，以实现对识别错误的图像进行可转移编辑，从而便于后续对该识别错误的图像进行高效的分类处理和数据回流处理，该提高cv算法精度的数据回流方法还能够利用回流后的识别错误的图像对cv算法进行定向优化处理，从而提高cv算法的检测准确度和对不同场景的适用性。

A data return method to improve the accuracy of CV algorithm

【技术实现步骤摘要】
一种提高cv算法精度的数据回流方法
本专利技术涉及图像处理的
，特别涉及一种提高cv算法精度的数据回流方法。
技术介绍
目前，cv算法在模型训练时，会使用相应的训练数据集来训练算法模型，当模型训练成熟后能够提高对与训练数据集类似的场景的检测准确度，但是在实际应用中，这些训练数据集并不能覆盖所有场景，这导致对于与训练数据集不一致的场景的识别效果可能会有所下降，另外即便是同一场景，若出现光线干扰、目标距离过远、背景色与检测目标色值接近等因素，也会影响识别的准确度，可见cv算法识别错误的图像对于cv算法的定向优化具有很高的利用价值，其能够实现cv算法对更多场景的更高拟合检测效果。但是，现有检索界面的做法一般都是将检测图像结果及其抓拍的信息进行展示，而对于识别错误的图像只允许用户进行删除，其并未对识别错误的图像进行有效利用，而即便是利用这些识别错误的图像也只能对图像进行截图处理或者下载处理，再将其传送给算法维护人员进行优化，这种优化方式不仅效率低下，并且其对算法的优化效果也不明显。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供一种提高cv算法精度的数据回流方法，该提高cv算法精度的数据回流方法包括如下步骤：步骤S1，对cv算法的图像检测结果进行关于预定条件的筛选处理，以此获得相应的图像检测结果列表；步骤S2，对该图像检测结果列表中的一个或者多个图像属性信息进行审核处理，以识别该图像检测结果中错误存在情况；步骤S3，根据该错误存在情况的识别结果，对所述图像检测结果进行分类处理，以获得第一类图像集合和第二类图像集合；步骤S4，对该第一类图像集合进行关于标签化的数据回流处理，并根据经过该数据回流处理的图像，对cv算法进行定向优化处理；可见，该提高cv算法精度的数据回流方法不仅允许用户对识别错误的图像进行标签处理和存储处理，以实现对识别错误的图像进行可转移编辑，从而便于后续对该识别错误的图像进行高效的分类处理和数据回流处理，该提高cv算法精度的数据回流方法还能够利用回流后的识别错误的图像对cv算法进行定向优化处理，从而提高cv算法的检测准确度和对不同场景的适用性。本专利技术提供一种提高cv算法精度的数据回流方法，其特征在于，所述提高cv算法精度的数据回流方法包括如下步骤：步骤S1，对cv算法的图像检测结果进行关于预定条件的筛选处理，以此获得相应的图像检测结果列表；步骤S2，对所述图像检测结果列表中的一个或者多个图像属性信息进行审核处理，以识别所述图像检测结果中错误存在情况；步骤S3，根据所述错误存在情况的识别结果，对所述图像检测结果进行分类处理，以获得第一类图像集合和第二类图像集合；步骤S4，对所述第一类图像集合进行关于标签化的数据回流处理，并根据经过所述数据回流处理的图像，对cv算法进行定向优化处理；进一步，在所述步骤S1中，对cv算法的图像检测结果进行关于预定条件的筛选处理，以此获得相应的图像检测结果列表具体包括，步骤S101，在将所述cv算法的图像检测结果集成至图像处理平台中，并在所述预设图像处理平台的界面中提供相应的条件筛选区域和图像检测结果显示区域；步骤S102，通过所述条件筛选区域，选择并设定相应的筛选条件；步骤S103，根据所述筛选条件，对所述图像检测结果进行所述筛选处理，并且将所述筛选处理的结果显示于所述图像检测结果显示区域；进一步，在所述步骤S101中，在将所述cv算法的图像检测结果集成至图像处理平台中，并在所述预设图像处理平台的界面中提供相应的条件筛选区域和图像检测结果显示区域具体包括，步骤S1011，获取所述cv算法的图像检测结果对应的图像素材场景属性信息，并根据所述图像素材场景属性信息，对所述图像检测结果进行预压缩处理；步骤S1012，将经过所述预压缩处理的图像检测结果按照预定序列模式集成至所述图像处理平台中；步骤S1013，将所述图像处理平台的所述界面的两个互不重叠的区域分别提供所述条件筛选区域和所述图像检测结果显示区域；或者，在所述步骤S102中，通过所述条件筛选区域，选择并设定相应的筛选条件具体包括，步骤S1021，在所述条件筛选区域中提供若干可切换选择的筛选条件，其中，所述若干可切换选择的筛选条件至少包括图像静态对象筛选条件、图像动态对象筛选条件和图像像素化筛选条件；步骤S1022，对所述若干就可切换选择的筛选条件进行选择和设定操作，以生成对应的筛选触发指令；进一步，在所述步骤S2中，对所述图像检测结果列表中的一个或者多个图像属性信息进行审核处理，以识别所述图像检测结果中错误存在情况具体包括，步骤S201，获取所述图像检测结果列表中所有图像结果各自对应的图像场景，并根据所述图像场景计算出所有图像结果的可视化评价参数；步骤S202，将所述可视化评价参数与所述一个或者多个图像属性信息的对比式的审核处理；步骤S203，根据所述审核处理的结果，识别所述图像检测结果中错误存在情况；进一步，在所述步骤S201中，获取所述图像检测结果列表中所有图像结果各自对应的图像场景，并根据所述图像场景计算出所有图像结果的可视化评价参数具体包括，获取所有图像结果对应的图像场景，并对所述图像场景进行像素级别的颜色、纹理或者轮廓的计算处理，以计算得到所述可视化评价参数；或者，在所述步骤S202中，将所述可视化评价参数与所述一个或者多个图像属性信息的对比式的审核处理具体包括，将所述可视化评价参数与所述一个或者多个图像属性信息进行数值大小对比的人工审核处理；或者，在所述步骤S203中，根据所述审核处理的结果，识别所述图像检测结果中错误存在情况具体包括，若所述审核处理的结果指示所述可视化评价参数与所述一个或者多个图像属性信息两者不匹配，则确定对应的图像检测结果存在cv算法检测错误，否则，确定对应的图像检测结果不存在cv算法检测错误；进一步，在所述步骤S3中，根据所述错误存在情况的识别结果，对所述图像检测结果进行分类处理，以获得第一类图像集合和第二类图像集合具体包括，步骤S301，若某一图像检测结果被识别为存在cv算法检测错误，则将对应某一图像检测结果分类为所述第一类图像，若某一图像检测结果被识别为不存在cv算法检测错误，则将对应某一图像检测结果分类为所述第二类图像；步骤S302，按照图像检测结果对应的时间序列和/或地点序列，对所述第一类图像或者所述第二类图像进行归集处理，以获得所述第一类图像集合或者所述第二类图像集合；步骤S303，对所述第一类图像集合或者所述第二类图像集合中各自对应的图像进行质量预判处理，以剔除其中不满足预设质量条件的图像；进一步，在所述步骤S302中，按照图像检测结果对应的时间序列和/或地点序列，对所述第一类图像或者所述第二类图像进行归集处理，以获得所述第一类图像集合或者所述第二类图像集合具体包括，步骤S3021，获取所述图像检测结果在预设场景中对特定目本文档来自技高网...

【技术保护点】
1.一种提高cv算法精度的数据回流方法，其特征在于，所述提高cv算法精度的数据回流方法包括如下步骤：/n步骤S1，对cv算法的图像检测结果进行关于预定条件的筛选处理，以此获得相应的图像检测结果列表；/n步骤S2，对所述图像检测结果列表中的一个或者多个图像属性信息进行审核处理，以识别所述图像检测结果中错误存在情况；/n步骤S3，根据所述错误存在情况的识别结果，对所述图像检测结果进行分类处理，以获得第一类图像集合和第二类图像集合；/n步骤S4，对所述第一类图像集合进行关于标签化的数据回流处理，并根据经过所述数据回流处理的图像，对cv算法进行定向优化处理。/n

【技术特征摘要】
1.一种提高cv算法精度的数据回流方法，其特征在于，所述提高cv算法精度的数据回流方法包括如下步骤：
步骤S1，对cv算法的图像检测结果进行关于预定条件的筛选处理，以此获得相应的图像检测结果列表；
步骤S2，对所述图像检测结果列表中的一个或者多个图像属性信息进行审核处理，以识别所述图像检测结果中错误存在情况；
步骤S3，根据所述错误存在情况的识别结果，对所述图像检测结果进行分类处理，以获得第一类图像集合和第二类图像集合；
步骤S4，对所述第一类图像集合进行关于标签化的数据回流处理，并根据经过所述数据回流处理的图像，对cv算法进行定向优化处理。


2.如权利要求1所述的提高cv算法精度的数据回流方法，其特征在于：在所述步骤S1中，对cv算法的图像检测结果进行关于预定条件的筛选处理，以此获得相应的图像检测结果列表具体包括，
步骤S101，在将所述cv算法的图像检测结果集成至图像处理平台中，并在所述预设图像处理平台的界面中提供相应的条件筛选区域和图像检测结果显示区域；
步骤S102，通过所述条件筛选区域，选择并设定相应的筛选条件；
步骤S103，根据所述筛选条件，对所述图像检测结果进行所述筛选处理，并且将所述筛选处理的结果显示于所述图像检测结果显示区域。


3.如权利要求2所述的提高cv算法精度的数据回流方法，其特征在于：在所述步骤S101中，在将所述cv算法的图像检测结果集成至图像处理平台中，并在所述预设图像处理平台的界面中提供相应的条件筛选区域和图像检测结果显示区域具体包括，
步骤S1011，获取所述cv算法的图像检测结果对应的图像素材场景属性信息，并根据所述图像素材场景属性信息，对所述图像检测结果进行预压缩处理；
步骤S1012，将经过所述预压缩处理的图像检测结果按照预定序列模式集成至所述图像处理平台中；
步骤S1013，将所述图像处理平台的所述界面的两个互不重叠的区域分别提供所述条件筛选区域和所述图像检测结果显示区域；
或者，
在所述步骤S102中，通过所述条件筛选区域，选择并设定相应的筛选条件具体包括，
步骤S1021，在所述条件筛选区域中提供若干可切换选择的筛选条件，其中，所述若干可切换选择的筛选条件至少包括图像静态对象筛选条件、图像动态对象筛选条件和图像像素化筛选条件；
步骤S1022，对所述若干就可切换选择的筛选条件进行选择和设定操作，以生成对应的筛选触发指令。


4.如权利要求1所述的提高cv算法精度的数据回流方法，其特征在于：在所述步骤S2中，对所述图像检测结果列表中的一个或者多个图像属性信息进行审核处理，以识别所述图像检测结果中错误存在情况具体包括，
步骤S201，获取所述图像检测结果列表中所有图像结果各自对应的图像场景，并根据所述图像场景计算出所有图像结果的可视化评价参数；
步骤S202，将所述可视化评价参数与所述一个或者多个图像属性信息的对比式的审核处理；
步骤S203，根据所述审核处理的结果，识别所述图像检测结果中错误存在情况。


5.如权利要求4所述的提高cv算法精度的数据回流方法，其特征在于：在所述步骤S201中，获取所述图像检测结果列表中所有图像结果各自对应的图像场景，并根据所述图像场景计算出所有图像结果的可视化评价参数具体包括，
获取所有图像结果对应的图像场景，并对所述图像场景进行像素级别的颜色、纹理或者轮廓的计算处理，以计算得到所述可视化评价参数；
或者，
在所述步骤S202中，将所述可视化评价参数与所述一个或者多个图像属性信息的对比式的审核处理具体包括，
将所述可视化评价参数与所述一个或者多个图像属性信息进行数值大小对比的人工审核处理；
或者，
在所述步骤S203中，根据所述审核处理的结果，识别所述图像检测结果中错误存在情况具体包括，
若所述审核处理的结果指示所述可视化评价参数与所述一个或者多个图像属性信息两者不匹配，则确定对应的图像检测结果存在cv算法检测错误，否则，确定对应的图像检测结果不存在cv算法检测错误。


6.如权利要求1所述的提高cv算法精度的数据回流方法，其特征在于：在所述步骤S3中，根据所述错误存在情况的识别结果，对所述图像检测结果进行分类处理，以获得第一类图像集合和第二类图像集合具体包括，
步骤S301，若某一图像检测结果被识别为存在cv算法检测错误，则将对应某一图像检测结果分类为所述第一类图像，若某一图像检测结果被识别为不存在cv算法检测...

【专利技术属性】
技术研发人员：任永建，孙昌勋，许志强，
申请(专利权)人：北京容联易通信息技术有限公司，
类型：发明
国别省市：北京;11