【技术实现步骤摘要】
一种训练样本集生成方法、装置、设备及介质
[0001]本公开涉及计算机视觉领域，具体而言，涉及一种训练样本集生成方法、装置、设备及存储介质。
技术介绍
[0002]目标检测是计算机视觉的一个重要分支之一，同时它也被广泛应用于各种领域，比如自动驾驶、人工智能等等。例如在智能驾驶为例，为了进行目标检测等用途，常用的方式大多是在待识别路段设置拍摄设备，以获取包括路面元素的待识别图像，并使用训练完毕的神经网络对路面元素进行识别。
[0003]然而，神经网络的训练决定了在使用过程中的识别效果，而用于训练神经网络的样本直接关系到神经网络的训练结果，因此，如何构建良好的训练集，来提高和保证神经网络的训练效果，成为亟待解决的问题。
技术实现思路
[0004]本公开实施例至少提供一种训练样本集生成方法、装置、设备及存储介质。
[0005]本公开实施例提供了一种训练样本集生成方法，所述方法包括：
[0006]获取第一样本图像集以及所述第一样本图像集中每个第一样本图像中的标注检测框信息；
[0007...
【技术保护点】
【技术特征摘要】
1.一种训练样本集生成方法，其特征在于，所述方法包括：获取第一样本图像集以及所述第一样本图像集中每个第一样本图像中的标注检测框信息；将所述第一样本图像集中的各个第一样本图像输入至初始图像识别神经网络中，得到所述第一样本图像中的预测检测框信息；所述初始图像识别神经网络采用第二样本图像集训练得到；确定存在所述预测检测框信息与所述标注检测框信息不一致的第一样本图像为目标第一样本图像；针对每个所述目标第一样本图像，校正所述目标第一样本图像中与所述标注检测框信息不一致的预测检测框信息；将校正后的所述目标第一样本图像加入所述第二样本图像集，得到更新后的第二样本图像集。2.根据权利要求1所述的生成方法，其特征在于，所述第二样本图像集中包括正样本图像和负样本图像，所述负样本图像为不存在所述正样本图像所包含目标对象的图像，所述方法还包括：利用更新后的第二样本图像集对目标神经网络进行训练，得到第一目标图像识别神经网络。3.根据权利要求1所述的方法，其特征在于，所述确定存在所述预测检测框信息与所述标注检测框信息不一致的第一样本图像为目标第一样本图像，包括：针对每个所述第一样本图像，基于所述第一样本图像中的预测检测框信息的置信度，确定所述第一样本图像中的预测检测框信息中的误报的预测检测框信息；确定所述第一样本图像中的标注检测框信息中不存在与误报的预测检测框信息一致的标注检测框信息；将所述第一样本图像确定为目标第一样本图像。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一样本图像中的预测检测框信息的置信度，确定所述第一样本图像中的预测检测框信息中的误报的预测检测框信息，包括：获取针对所述第一样本图像集的置信度阈值；若所述第一样本图像中存在置信度小于或者等于所述置信度阈值的预测检测框信息，确定所述第一样本图像中的预测检测框信息存在误报的预测检测框信息。5.根据权利要求4所述的方法，其特征在于，所述获取针对所述第一样本图像集的置信度阈值，包括：获取预设的置信度阈值；或者基于所述第二样本图像集中正样本图像与负样本图像的数量比例和默认阈值，确定针对所述第一样本图像集的置信度阈值；或者基于所述第一样本图像中的预测检测框信息的数量和默认阈值，确定针对所述第一样本图像集的置信度阈值。6.根据权利要求3所述的方法，其特征在于，所述确定所述第一样本图像中的标注检测框信息中不存在与误报的预测检测框信息一致的标注检测框信息，包括：
确定所述第一样本图像中的标注检测框信息与误报的预测检测框信息之间的信息重合度；在所述第一样本图像中不存在信息重合度大于或者等于预设重合度阈值的标注检测框信息的情况下，确定所述第一样本图像中的标注检测框信息中不存在与误报的预测检测框信息一致的标注检测框信息。7.根据权利要求6所述的方法，其特征在于，所述确...
【专利技术属性】
技术研发人员：吴嫣然，林培文，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：
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。