一种面向自动驾驶的图像半自动标注模型训练方法技术

本发明专利技术公开了一种面向自动驾驶的图像半自动标注模型训练方法，所述模型训练方法包括，将未标注样本集随机切分生成n份候选未标注样本集，将首个候选未标注样本集和预训练模型集送入系统模块，经系统模块训练后生成训练后的模型，然后依次将上一次训练后的模型和下一个候选未标注样本集一起送入系统模块进行模型的迭代训练，如此往复遍历所有候选未标注样本集。本发明专利技术通过系统模块继续训练，可以剔除大量易区分样本的标注，充分利用难区分样本，得到迭代过程中模型精度的变化值，最终可以满足预设的精度要求，有效提升了训练模型的性能。性能。性能。

【技术实现步骤摘要】
一种面向自动驾驶的图像半自动标注模型训练方法


[0001]本专利技术涉及自动驾驶视觉检测
，具体为一种面向自动驾驶的图像半自动标注模型训练方法。

技术介绍

[0002]当前人工智能蓬勃发展，得到好的数据进行模型训练和评估显得越来越重要，尤其是在自动驾驶领域中的视觉检测方面，面临大量的图像数据标注问题，现有技术中的图像数据标注方法耗费了大量的人力物力，并且在训练模型的性能和精度上也没有得到很好的提升。基于此，如何设计一种架构可以大大减少人工数据标注的工作量，同时还能提升预训练模型的性能和精度是自动驾驶领域视觉检测领域亟需解决的问题。

技术实现思路

[0003]本专利技术的目的在于提供了一种面向自动驾驶的图像半自动标注模型训练方法，通过建立利用难区分样本进行迭代的模型训练方法，减少了人工数据标注的工作量的同时大大提升了训练模型的性能。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种面向自动驾驶的图像半自动标注模型训练方法，所述模型训练方法包括，将未标注样本集随机切分生成n份候选未标注样本集，将首个候选未标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向自动驾驶的图像半自动标注模型训练方法，其特征在于，所述模型训练方法包括，将未标注样本集随机切分生成n份候选未标注样本集，将首个候选未标注样本集和预训练模型集送入系统模块，经系统模块训练后生成训练后的模型，然后依次将上一次训练后的模型和下一个候选未标注样本集一起送入系统模块进行模型的迭代训练，如此往复遍历所有候选未标注样本集。2.根据权利要求1所述的一种面向自动驾驶的图像半自动标注模型训练方法，其特征在于，所述预训练模型包括特征提取子模型和分类/回归子模型，所述系统模块的训练过程包括分别对所述特征提取子模型和分类/回归子模型进行推理生成相应的推理结果，然后根据推理结果进行人工标注，根据人工标注后的信息进行模型再训练生成训练后的模型。3.根据权利要求2所述的一种面向自动驾驶的图像半自动标注模型训练方法，其特征在于，所述推理结果包括所述特征提取子模型和所述分类/回归子模型针对首个候选未标注样本集相对应的易区分样本和难区分样本；所述系统模块的训练过程针对难区分样本进行人工标注。4.根据权利要求3所述的一种面向自动驾驶的图像半自动标注模型训练方法，其特征在于，依据平均置信度对易区分样本和难区分样本进行划分，将平均置信度大于0.5的样本划分为易区分样本，将平均置信度小于等于0.5的样本划分为难区分样本。5.根据权利要求4所述的一种面向自动驾驶的图像半自动标注模型训练方法，其特征在于，所述系统模块的训练过程还包括对训练后的模型进行模型性能评估，所述模型性能评估参数包括评估...

【专利技术属性】
技术研发人员：范晟华，郭健，罗马思阳，
申请(专利权)人：苏州安智汽车零部件有限公司，
类型：发明
国别省市：