图像处理方法、装置、电子设备及机器可读存储介质制造方法及图纸

本申请提供一种图像处理方法、装置、电子设备及机器可读存储介质，该方法包括：依据初始训练集，利用预设训练系统，进行模型训练，得到初始模型；对业务应用端利用所述初始模型进行图像处理得到的输出数据进行筛选，得到置信度以及准确性满足预设条件的目标输出数据；依据所述目标输出数据对所述初始训练集进行扩展，得到扩展后的训练集；依据所述扩展后的训练集，对所述初始模型进行优化训练，得到进化模型，以使业务应用端依据所述进化模型进行图像处理。该方法可以实现模型自动进化，并通过依据进化模型进行图像处理，优化处理效果。优化处理效果。优化处理效果。

【技术实现步骤摘要】
图像处理方法、装置、电子设备及机器可读存储介质


[0001]本申请涉及计算机视觉
，尤其涉及一种图像处理方法、装置、电子设备及机器可读存储介质。

技术介绍

[0002]随着智能视频监控、自动驾驶、人脸检测等应用的快速兴起，计算机视觉领域也因巨大的市场需求而受到广泛关注，并且机器学习/深度学习方法使得目标检测的效率和精度得到保证。而且近年来，硬件设备的计算能力的快速提升，互联网时代快速积累的庞大的数据量，以及优化训练方法的改进，极大地推动了机器学习、深度学习的发展，也使得计算机视觉领域有突破性的进展。
[0003]然而，在真实应用场景中，通常涵盖所有类型的目标物情况的数据量非常庞大，从而使得数据的清洗和标注成本非常高。

技术实现思路

[0004]有鉴于此，本申请提供一种图像处理方法、装置、电子设备及机器可读存储介质。
[0005]根据本申请实施例的第一方面，提供一种图像处理方法，包括：
[0006]依据初始训练集，利用预设训练系统，进行模型训练，得到初始模型；
[0007]对业务应用端利用所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：依据初始训练集，利用预设训练系统，进行模型训练，得到初始模型；对业务应用端利用所述初始模型进行图像处理得到的输出数据进行筛选，得到置信度以及准确性满足预设条件的目标输出数据；依据所述目标输出数据对所述初始训练集进行扩展，得到扩展后的训练集；依据所述扩展后的训练集，对所述初始模型进行优化训练，得到进化模型，以使业务应用端依据所述进化模型进行图像处理。2.根据权利要求1所述的方法，其特征在于，所述对业务应用端利用所述初始模型进行图像处理得到的输出数据进行筛选，包括：依据所述输出数据针对目标物的置信度，将所述输出数据划分为至少两个分组；所述至少两个分组至少包括对应的置信度依次降低的第一分组和第二分组；依据分组对所述输出数据进行筛选，得到所述目标输出数据；不同分组的数据筛选策略不完全相同。3.根据权利要求2所述的方法，其特征在于，所述依据分组对所述输出数据进行筛选，包括：利用跟踪算法，依据所述第一分组中的输出数据的前后关联输出数据，对所述第一分组中的输出数据进行错误数据排除，得到所述第一分组中的目标输出数据。4.根据权利要求2所述的方法，其特征在于，所述依据分组对所述输出数据进行筛选，包括：将所述第二分组中的输出数据在预设审核界面中展示，并依据接收到的审核指令，对所述第二分组中的输出数据进行错误数据排除，得到所述第二分组中的目标输出数据。5.根据权利要求2所述的方法，其特征在于，所述依据所述输出数据针对目标物的置信度，将所述输出数据划分为至少两个分组之前，还包括：依据所述输出数据针对目标物的置信度，对针对目标物的置信度高于预设置信度阈值的输出数据进行过滤；其中，所述预设置信度阈值大于等于所述第一分组对应的置信度上限；所述依据所述输出数据针对目标物的置信度，将所述输出数据划分为至少两个分组，包括：依据过滤后的输出数据针对目标物的置信度，将所述过滤后的输出数据划分为至少两个分组。6.根据权利要求1所述的方法，其特征在于，所述依据所述扩展后的训练集，对所述初始模型进行优化训练，得到进化模型之后，还包括：当所述进化模型对测试集的检出率低于预设检出率阈值时，依据业务应用端利用进化模型进行图像处理得到的输出数据进行训练集扩展以及模型优化，直至得到的进化模型对测试集的检出率不低于所述预设检出率阈值。7.一种图像处理装置，其特征在于，包括：预训练单元，用于依据初始训练集，利用预设训练系统，进行模型训练，得到初始模型；筛选单元，用于对业务应用端利用所述初始模型进行图像处理得到的输出数据进行...

【专利技术属性】
技术研发人员：亓先军，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：