基于人工智能的目标检测样本生成方法及相关设备技术

本申请提出一种基于人工智能的目标检测样本生成方法、装置、电子设备及存储介质，基于人工智能的目标检测样本生成方法包括：采集样本图像以获得优化样本图像集；对所述优化样本图像集进行分类获得分类图像集；分别计算目标分类图像集中的目标图像与其他图像之间的图像相似度获得目标相似图像集；对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图像；对所述目标均衡图像进行组合以生成样本训练集，并基于所述样本训练集获得训练好的目标检测模型；基于所述训练好的目标检测模型进行目标检测获得目标检测结果。本申请能够通过少量的标注样本生成大量的样本图像，从而提高对新类别目标进行检测的准确性。高对新类别目标进行检测的准确性。高对新类别目标进行检测的准确性。

【技术实现步骤摘要】
基于人工智能的目标检测样本生成方法及相关设备


[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的目标检测样本生成方法、装置、电子设备及存储介质。

技术介绍

[0002]目标检测任务一直是计算机视觉领域的前沿研究热点，同时也是众多顶层视觉任务的基础。其主要目的是识别并用方框标注图像或视频内容中的目标物体。
[0003]目前基于深度学习的目标检测方法一般需要大量人工标注的数据进行训练，模型训练完成后会被部署于实际的检测应用中。然而，训练完成的模型只能用于在训练数据中存在的类别目标的检测，而不能自适应地检测训练阶段未见过的新类别目标。因此，如何仅通过少量的标注样本学习到新类别的特征，从而具备检测新类别目标的能力，提高目标检测的准确性是亟需解决的技术问题。

技术实现思路

[0004]鉴于以上内容，有必要提出一种基于人工智能的目标检测样本生成方法、装置、电子设备及存储介质，以解决如何提高目标检测结果的准确性这一技术问题。其中，相关设备包括基于人工智能的目标检测样本优化装置、电子设备及存储介质。
[0005]本申请提供一种基于人工智能的目标检测样本生成方法，所述方法包括：
[0006]采集样本图像，并对所有的样本图像进行预处理后获得优化样本图像集；
[0007]对所述优化样本图像集中的所有图像进行标注，并对标注后的所有图像进行分类获得多种类别的分类图像集；
[0008]分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度获得所述目标图像的目标相似图像集，所述目标分类图像集为所有类别的分类图像集中的任意一个，所述目标图像为对应类别的目标分类图像集中的任意一幅图像；
[0009]对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图像，所述目标均衡图像与所述目标相似图像集一一对应；
[0010]对每一种类别的各个目标相似图像集的目标均衡图像进行组合以生成样本训练集，并基于所述样本训练集对预设的目标检测模型进行训练以获得训练好的目标检测模型；
[0011]基于所述训练好的目标检测模型进行目标检测获得目标检测结果。
[0012]在一些实施例中，所述采集样本图像，并对所有的样本图像进行预处理后获得优化样本图像集，包括：
[0013]采集样本图像，并将所有的样本图像转换为灰度图像得到灰度图像集；
[0014]对所述灰度图像集中的所有灰度图像进行均值滤波获得优化样本图像集。
[0015]在一些实施例中，所述对所述优化样本图像集中的所有图像进行标注，并对标注
后的所有图像进行分类获得多种类别的分类图像集，包括：
[0016]依据预设方式对所述优化样本图像集中的所有图像进行框选获得目标框图像，并对不同类别的目标框图像标注不同的标签值；
[0017]依据所述标签值的类别对所有的目标框图像进行分类获得多种类别的分类图像集，所述每种分类图像集包括相同标签值类别的多幅目标框图像。
[0018]在一些实施例中，所述分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度获得所述目标图像的目标相似图像集，所述目标分类图像集为所有类别的分类图像集中的任意一个，所述目标图像为对应类别的目标分类图像集中的任意一幅图像，包括：
[0019]分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度；
[0020]基于所述目标图像对应的所有图像相似度计算所述目标图像的图像相似度阈值，并基于所述图像相似度阈值筛选所述目标分类图像集中的图像得到目标相似图像集，所述目标相似图像集与所述目标图像一一对应；
[0021]遍历所有类别的分类图像集和每一种类别的分类图像集中的所有图像获得每一种类别的分类图像集中的每一幅图像的目标相似图像集。
[0022]在一些实施例中，所述基于所述目标图像对应的所有图像相似度计算图像相似度阈值，并基于所述图像相似度阈值筛选所述目标分类图像集中的图像得到目标相似图像集，包括：
[0023]依据最大类间方差法计算所述目标图像对应的所有图像相似度获得图像相似度阈值；
[0024]将所述目标图像对应的所有大于所述图像相似度阈值的图像相似度进行保留，并将所有保留下来的图像相似度对应的图像作为所述目标图像的目标相似图像集。
[0025]在一些实施例中，所述对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图像，所述目标均衡图像与所述目标相似图像集一一对应，包括：
[0026]将所述目标相似图像集中各图像与目标图像的图像相似度作为所述目标相似图像集中各图像对应的相似度权重；
[0027]对所述目标相似图像集中的各图像对应的相似度权重进行归一化获得各图像对应的归一化相似度权重；
[0028]对所述目标相似图像集中的各图像和各图像对应的归一化相似度权重进行加权求和获得所述目标相似图像集的目标均衡图像。
[0029]在一些实施例中，所述对每一种类别的各个目标相似图像集的目标均衡图像进行组合以生成样本训练集，并基于所述样本训练集对预设的目标检测模型进行训练以获得训练好的目标检测模型，包括：
[0030]对所述目标分类图像集中的所有目标均衡图像进行组合获得目标样本训练集；
[0031]遍历所有类别的分类图像集，并将获得的所有目标样本集作为样本训练集；
[0032]基于所述样本训练集对预设的目标检测模型进行训练获得训练好的目标检测模型。
[0033]本申请实施例还提供一种基于人工智能的目标检测样本生成装置，所述装置包
括：
[0034]采集单元，用于采集样本图像，并对所有的样本图像进行预处理后获得优化样本图像集；
[0035]分类单元，用于对所述优化样本图像集中的所有图像进行标注，并对标注后的所有图像进行分类获得多种类别的分类图像集；
[0036]计算单元，用于分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度获得所述目标图像的目标相似图像集，所述目标分类图像集为所有类别的分类图像集中的任意一个，所述目标图像为对应类别的目标分类图像集中的任意一幅图像；
[0037]获得单元，用于对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图像，所述目标均衡图像与所述目标相似图像集一一对应；
[0038]组合单元，用于对每一种类别的各个目标相似图像集的目标均衡图像进行组合以生成样本训练集，并基于所述样本训练集对预设的目标检测模型进行训练以获得训练好的目标检测模型；
[0039]检测单元，用于基于所述训练好的目标检测模型进行目标检测获得目标检测结果。
[0040]本申请实施例还提供一种电子设备，所述电子设备包括：
[0041]存储器，存储至少一个指令；
[0042]处理器，执行所述存储器中存储的指令以实现所述的基于人工智能的目标检测样本生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的目标检测样本生成方法，其特征在于，所述方法包括：采集样本图像，并对所有的样本图像进行预处理后获得优化样本图像集；对所述优化样本图像集中的所有图像进行标注，并对标注后的所有图像进行分类获得多种类别的分类图像集；分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度获得所述目标图像的目标相似图像集，所述目标分类图像集为所有类别的分类图像集中的任意一个，所述目标图像为对应类别的目标分类图像集中的任意一幅图像；对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图像，所述目标均衡图像与所述目标相似图像集一一对应；对每一种类别的各个目标相似图像集的目标均衡图像进行组合以生成样本训练集，并基于所述样本训练集对预设的目标检测模型进行训练以获得训练好的目标检测模型；基于所述训练好的目标检测模型进行目标检测获得目标检测结果。2.如权利要求1所述的基于人工智能的目标检测样本生成方法，其特征在于，所述采集样本图像，并对所有的样本图像进行预处理后获得优化样本图像集，包括：采集样本图像，并将所有的样本图像转换为灰度图像得到灰度图像集；对所述灰度图像集中的所有灰度图像进行均值滤波获得优化样本图像集。3.如权利要求1所述的基于人工智能的目标检测样本生成方法，其特征在于，所述对所述优化样本图像集中的所有图像进行标注，并对标注后的所有图像进行分类获得多种类别的分类图像集，包括：依据预设方式对所述优化样本图像集中的所有图像进行框选获得目标框图像，并对不同类别的目标框图像标注不同的标签值；依据所述标签值的类别对所有的目标框图像进行分类获得多种类别的分类图像集，所述每种分类图像集包括相同标签值类别的多幅目标框图像。4.如权利要求1所述的基于人工智能的目标检测样本生成方法，其特征在于，所述分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度获得所述目标图像的目标相似图像集，所述目标分类图像集为所有类别的分类图像集中的任意一个，所述目标图像为对应类别的目标分类图像集中的任意一幅图像，包括：分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度；基于所述目标图像对应的所有图像相似度计算所述目标图像的图像相似度阈值，并基于所述图像相似度阈值筛选所述目标分类图像集中的图像得到目标相似图像集，所述目标相似图像集与所述目标图像一一对应；遍历所有类别的分类图像集和每一种类别的分类图像集中的所有图像获得每一种类别的分类图像集中的每一幅图像的目标相似图像集。5.如权利要求4所述的基于人工智能的目标检测样本生成方法，其特征在于，所述基于所述目标图像对应的所有图像相似度计算图像相似度阈值，并基于所述图像相似度阈值筛选所述目标分类图像集中的图像得到目标相似图像集，包括：依据最大类间方差法计算所...

【专利技术属性】
技术研发人员：严正，刘鹏，刘玉宇，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：