【技术实现步骤摘要】
图像数据处理方法及装置、目标检测模型训练方法及装置
本公开一般地涉及图像处理领域，具体涉及一种图像数据处理方法、目标检测模型训练方法、目标检测方法、图像数据处理装置、目标检测模型训练装置、目标检测装置、电子设备和计算机可读存储介质。
技术介绍
目前，在对图像中的目标进行检测的任务中，可以通过目标检测模型检测到图像中的某一种或多种类别的目标，并根据目标的轮廓形成边界框(boundingbox)，其中，目标检测模型可以是卷积神经网络模型等。然而，为了能够实现上述任务，需要对目标检测模型进行训练，训练的过程则需要大量的已经标注好边界框的图像。对于训练一个目标检测模型来说，训练集中的图像数量以及边界框的标注质量都对训练效率、训练结果有这显著影响。目前，带有标注的图像通常需要大量人工对边界框进行标注，而一个高质量边界框的标注是非常耗时的，例如，在ILSVRC(ImageNetLargeScaleVisualRecognitionChallenge)的数据集上每个边界框的标注需要约34秒，即使是普通质量的边界框也需要10秒。因此...
【技术保护点】
1.一种图像数据处理方法，其中，所述图像数据处理方法包括：/n获取第一图像集，所述第一图像集包括多个第一图像及其对应的第一标注信息，其中，所述第一图像包括至少一个第一目标，所述第一标注信息包括所述第一目标对应的第一边界框和类别；/n基于所述第一图像集，训练数据处理模型；/n获取第二图像集，所述第二图像集包括多个第二图像及其对应的第二标注信息，其中，所述第二图像包括至少一个第二目标，所述第二标注信息包括所述第二目标对应的第二标注点和类别；/n基于所述第二图像集，通过完成训练的所述数据处理模型，得到第三图像集，所述第三图像集包括所述多个第二图像及其对应的第三标注信息，其中，所述...
【技术特征摘要】
1.一种图像数据处理方法，其中，所述图像数据处理方法包括：
获取第一图像集，所述第一图像集包括多个第一图像及其对应的第一标注信息，其中，所述第一图像包括至少一个第一目标，所述第一标注信息包括所述第一目标对应的第一边界框和类别；
基于所述第一图像集，训练数据处理模型；
获取第二图像集，所述第二图像集包括多个第二图像及其对应的第二标注信息，其中，所述第二图像包括至少一个第二目标，所述第二标注信息包括所述第二目标对应的第二标注点和类别；
基于所述第二图像集，通过完成训练的所述数据处理模型，得到第三图像集，所述第三图像集包括所述多个第二图像及其对应的第三标注信息，其中，所述第三标注信息包括所述第二目标对应的第二边界框和类别。
2.根据权利要求1所述的图像数据处理方法，其中，所述基于所述第一图像集，训练数据处理模型，包括：
在所述第一图像的每个第一边界框内生成对应所述第一目标的第一标注点；
基于所述第一图像、以及所述第一图像中所述第一目标对应的第一标注点及类别，通过待训练的数据处理模型得到对应于所述第一目标的第一预测框；
基于对应于同一第一目标的所述第一预测框与所述第一边界框得到损失值；
基于所述损失值调整待训练的数据处理模型的参数，得到完成训练的所述数据处理模型。
3.根据权利要求2所述的图像数据处理方法，其中，所述基于所述第一图像集，训练数据处理模型，还包括：
对所述第一标注点的坐标进行归一化。
4.根据权利要求2或3所述的图像数据处理方法，其中，所述损失值包括以下一种或多种，L1损失、IOU损失及GIOU损失。
5.根据权利要求2或3所述的图像数据处理方法，其中，所述基于所述第二图像集，通过完成训练的所述数据处理模型，得到第三图像集，包括：
基于所述第二目标对应的第二标注点和类别，通过完成训练的所述数据处理模型，得到所述第二目标对应的第二边界框。
6.一种目标检测模型训练方法，其中，所述目标检测模型用于图像目标检测，所述目标检测模型训练方法包括：
获取训练集，所述训练集至少包括采用如权利要求1-5所述的图像数据处理方法得到的所述第三图像集；
基于所述训练集，训练待训练的目标检测模型，得到训练完成的所述目标检测模型。
7.根据权利要求6所述的目标检测模型训练方法，其中，所述训练集还包括所述第一图像集。
8.根据权利要求7所述的目标检测模型训练方法，其中，所述基于所述训练集，训练待训练的目标检测模型，得到训练完成的所述目标检测模型，包括：
基于所述第一图像或第二图像，通过待训练的目标检测模型，得到所述第一目标或第...
【专利技术属性】
技术研发人员：陈亮宇，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。