基于深度学习的自采图像训练数据集筛选方法及装置制造方法及图纸

技术编号:34280149 阅读:78 留言:0更新日期:2022-07-24 18:07
本发明专利技术公开了基于深度学习的自采图像训练数据集筛选方法及装置,属于深度学习和计算机视觉技术领域。针对自采图像训练数据集筛选效率低和精度低的问题,本发明专利技术提供基于深度学习的自采图像训练数据集筛选方法,包括获取原始图像;根据特定目标位置对所述原始图像进行裁剪,得到预处理图像;通过经训练的基于深度学习的多种神经网络对所述预处理图像进行检测并筛选得到含有所述特定目标的预处理图像集合;根据所述集合生成训练数据集。本发明专利技术通过裁剪降低噪声和计算量,并通过经训练的基于深度学习的多种神经网络提高筛选精度,大幅提升了自采图像中所需特定目标的筛选效率和精度。度。度。

Method and device for filtering self collected image training data set based on deep learning

【技术实现步骤摘要】
基于深度学习的自采图像训练数据集筛选方法及装置


[0001]本专利技术涉及深度学习和计算机视觉
,尤其涉及基于深度学习的自采图像训练数据集筛选方法及装置。

技术介绍

[0002]随着机器学习、深度学习等人工智能技术的不断发展,人工智能技术广泛应用在各种实际场景。在面向特定目标的智能检测场景,基于视觉的深度学习算法训练需要大量的自采图像数据集用于模型训练。数据集在提高深度学习算法精度、提高模型的泛化性等方面起到关键作用。
[0003]目前自采图像检测的深度学习数据集主要获取方式为:通过安装在固定平台上的摄像机采集原始视频数据,将采集的图像视频数据拆成单帧图像,然后通过人工根据自采图像中所需特定目标的定义从所拆的原始图像数据集中筛选出所需特定目标的图像数据集。
[0004]人工筛选自采图像训练数据集时,虽然对于自采图像中所需特定目标有定义文档,由于每个人对于自采图像中所需特定目标的理解不同,经常出现不同筛选人员筛选出的目标图像数据参差不齐,误选、漏选问题突出,从而影响整个数据集的准确度。此外,把现场采集的原始自采图像视频数据经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的自采图像训练数据集筛选方法,其特征在于,包括:获取原始图像;根据特定目标位置对所述原始图像进行裁剪,得到预处理图像,所述特定目标位置指特定目标在原始图像中的坐标;通过经训练的基于深度学习的多种神经网络对所述预处理图像进行检测并筛选得到含有所述特定目标的预处理图像集合,所述基于深度学习的多种神经网络是使用含所述特定目标的原始图像数据集进行训练的;根据所述集合生成训练数据集。2.根据权利要求1所述的基于深度学习的自采图像训练数据集筛选方法,其特征在于,包括:根据摄像机的位置参数和所述特定目标的高度确定所述特定目标位置,所述摄像机的位置参数包括摄像机的架设高度、水平倾角及与所述特定目标的距离。3.根据权利要求1所述的基于深度学习的自采图像训练数据集筛选方法,其特征在于,包括:通过经训练的基于深度学习的多种神经网络对所述原始图像进行检测并计算得到所述特定目标位置。4.根据权利要求2或3所述的基于深度学习的自采图像训练数据集筛选方法,其特征在于,所述特定目标位置指特定目标在原始图像中的最大y轴坐标。5.根据权利要求4所述的基于深度学习的自采图像训练数据集筛选方法,其特征在于,所述根据特定目标位置对所述原始图像进行裁剪,得到预处理图像,包括:根据特定目标位置获取裁剪方向和裁剪率对所述原始图像进行裁剪,得到预处理图像。6.根据权利要求1所述的基于深度学习的自采图像训练数据集筛选方...

【专利技术属性】
技术研发人员:贾宁陈潇曹旺辉
申请(专利权)人:群周科技上海有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1