置信度阈值确定方法和装置、电子设备和存储介质制造方法及图纸

本公开涉及显示技术领域，具体涉及置信度阈值确定方法和装置、电子设备和存储介质，所述方法包括：确定置信度阈值对应的第一搜索范围和第一搜索步长，其中，所述置信度阈值为图像分类模型将图像的不良类型预测为多种不良类型中第一不良类型的置信度对应的置信度阈值；根据所述第一搜索步长和所述第一搜索范围确定至少一个所述置信度阈值；确定至少一个所述置信度阈值中的每个置信度阈值对应的评价参数；根据所述评价参数确定目标置信度阈值。根据本公开，无需完全依赖人工设置置信度阈值，在输入图像分类模型的图像数量较多时，可以极大地提高确定置信度阈值的效率和准确度。以极大地提高确定置信度阈值的效率和准确度。以极大地提高确定置信度阈值的效率和准确度。

【技术实现步骤摘要】
置信度阈值确定方法和装置、电子设备和存储介质


[0001]本公开涉及显示
，尤其涉及置信度阈值确定方法、置信度阈值确定装置、电子设备和计算机可读存储介质。

技术介绍

[0002]在显示器件的生产过程中，由于设备、参数、操作、环境干扰等环节存在的问题，会导致产出的产品存在不良。
[0003]对于上述不良问题，主要是在每段工艺后利用光学检测（例如自动光学检测AOI）后，得到显示器件输出的图像，然后按照工艺要求识别出图像的不良以及不良类型。
[0004]由于图像可以存在多种不良类型，因此在识别不良类型时，存在识别结果正确（例如将不良类型A识别为不良类型A）和识别结果错误（例如将不良类型B识别为不良类型A）两种情况。对此，在识别出不良类型后，可以进一步输出识别结果的置信度，并针对置信度设置阈值；进而在置信度大于或等于阈值时，确定识别结果正确，在置信度小于阈值时，确定识别结果错误，对识别结果进行人工复判。
[0005]但是，目前置信度的阈值主要是人工根据经验进行判断，不仅耗时，而且针对大量图像进行识别时，人工设置阈值难以满足各项指标的要求。

技术实现思路

[0006]本公开提供置信度阈值确定方法、置信度阈值确定装置、电子设备和计算机可读存储介质，以解决相关技术中的不足。
[0007]根据本公开实施例的第一方面，提供一种置信度阈值确定方法，包括：确定置信度阈值对应的第一搜索范围和第一搜索步长，其中，所述置信度阈值为图像分类模型将图像的不良类型预测为多种不良类型中第一不良类型的置信度对应的置信度阈值；根据所述第一搜索步长和所述第一搜索范围确定至少一个所述置信度阈值；确定至少一个所述置信度阈值中的每个置信度阈值对应的评价参数；根据所述评价参数确定目标置信度阈值。
[0008]根据本公开实施例的第二方面，提供一种置信度阈值确定方法，包括：获取样本数据集，所述样本数据集包括已被标注不良类型的多个样本图像；利用样本数据集对深度学习模型进行训练，以得到上述图像分类模型，所述图像分类模型用于基于输入该图像分类模型的图像输出所输入图像的不良类型和输出不良类型的置信度；确定置信度阈值对应的第一搜索范围和第一搜索步长，其中，所述置信度阈值为图像分类模型将图像的不良类型预测为多种不良类型中第一不良类型的置信度对应的置信度阈值；根据所述第一搜索步长和所述第一搜索范围确定至少一个所述置信度阈值；确定至少一个所述置信度阈值中的每个置信度阈值对应的评价参数；根据所述评价参数确定目标置信度阈值。
[0009]根据本公开实施例的第三方面，提供一种置信度阈值确定装置，包括：处理模块，被配置为确定置信度阈值对应的第一搜索范围和第一搜索步长，其中，所述置信度阈值为图像分类模型将图像的不良类型预测为多种不良类型中第一不良类型的置信度对应的置
信度阈值；根据所述第一搜索步长和所述第一搜索范围确定至少一个所述置信度阈值；确定至少一个所述置信度阈值中的每个置信度阈值对应的评价参数；根据所述评价参数确定目标置信度阈值。
[0010]根据本公开实施例的第四方面，提供一种置信度阈值确定装置，包括：第一处理模块，被配置为获取样本数据集，所述样本数据集包括已被标注不良类型的多个样本图像；利用样本数据集对深度学习模型进行训练，以得到图像分类模型，所述图像分类模型用于基于输入该图像分类模型的图像输出所输入图像的不良类型和输出不良类型的置信度；第二处理模块，被配置为确定置信度阈值对应的第一搜索范围和第一搜索步长，其中，所述置信度阈值为图像分类模型将图像的不良类型预测为多种不良类型中第一不良类型的置信度对应的置信度阈值；根据所述第一搜索步长和所述第一搜索范围确定至少一个所述置信度阈值；确定至少一个所述置信度阈值中的每个置信度阈值对应的评价参数；根据所述评价参数确定目标置信度阈值。
[0011]根据本公开实施例的第五方面，提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为实现上述置信度阈值确定方法。
[0012]根据本公开实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述置信度阈值确定方法。
[0013]根据本公开的实施例，通过根据第一搜索步长和第一搜索范围确定图像分类模型将图像预测为第一不良类型的置信度对应的至少一个置信度阈值。进而根据评价参数在至少一个置信度阈值中确定目标置信度阈值，可以确保将目标置信度阈值组合应用于模型预测结果的置信度，能够满足评价参数。从而无需完全依赖人工设置置信度阈值，在输入图像分类模型的图像数量较多时，可以极大地提高确定置信度阈值的效率和准确度。
[0014]通过对每种不良类型的置信度可以根据搜索步长和搜索范围确定至少一个置信度阈值，进而针对多种不良类型可以确定多个置信度阈值组合，进而根据评价参数在多个置信度阈值组合中确定目标置信度阈值组合，可以确保将目标置信度阈值组合应用于模型预测结果的置信度，能够满足评价参数。一方面无需人工设置阈值，另一方面考虑多个不良类型的置信度对应置信度阈值组合的情况，有利于确保确定的目标置信度阈值组合对于多个不良类型的预测结果的置信度的判断效果上整体的评价参数更好。
[0015]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0017]图1是根据本公开的实施例示出的一种置信度的示意图；图2是根据本公开实施例示出的一种置信度阈值确定方法的示意流程图；图3是根据本公开实施例示出的另一种阈值确定方法的示意流程图；图4是根据本公开实施例示出的又一种阈值确定方法的示意流程图；图5是根据本公开实施例示出的又一种阈值确定方法的示意流程图；图6是根据本公开的实施例示出的一种混淆矩阵的示意图；
图7是根据本公开实施例示出的又一种阈值确定方法的示意流程图；图8是根据本公开实施例示出的又一种阈值确定方法的示意流程图；图9是根据本公开的实施例示出的一种置信度阈值组合应用的示意图；图10是根据本公开实施例示出的一种置信度阈值确定方法的示意流程图；图11是根据本公开实施例示出的一种置信度阈值确定装置的示意框图；图12是根据本公开实施例示出的一种置信度阈值确定装置的示意框图；图13示出了可以应用本公开实施例的技术方案的示例性应用环境的系统架构的示意图；图14示了可以应用本公开实施例的一种计算设备的示意图；图15示了根据本公开的一个实施例的确定图像类别的方法的示意性流程图；图16示了根据本公开的另一个实施例的图形界面，用户可在所述图形界面上对样本数据集的参数进行配置；图17图示了根据本公开的一个实施例的一种示例性的参数配置界面；图18图示了根据本公开的一个实施例的一种置信度阈值展示界面，其中直观展示出了各个类别的置信度阈值；图19图示了根据本公开的一个实施例的一种训练进度表的展示界面；图20图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种置信度阈值确定方法，其特征在于，包括：确定置信度阈值对应的第一搜索范围和第一搜索步长，其中，所述置信度阈值为图像分类模型将图像的不良类型预测为多种不良类型中第一不良类型的置信度对应的置信度阈值；根据所述第一搜索步长和所述第一搜索范围确定至少一个所述置信度阈值；确定至少一个所述置信度阈值中的每个置信度阈值对应的评价参数；根据所述评价参数确定目标置信度阈值。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述多种不良类型中每种不良类型的置信度对应的至少一个所述置信度阈值，确定多个置信度阈值组合；确定所述多个置信度阈值组合中的每个置信度阈值组合对应的评价参数；根据所述评价参数确定目标置信度阈值组合。3.根据权利要求1至2中任一项所述的方法，其特征在于，所述方法还包括：确定所述模型正确预测图像的不良类型为所述第一不良类型的正确置信度的最大值T
max
和最小值T
min
；和/或，确定所述模型错误预测图像的不良类型为所述第一不良类型的错误置信度的最大值P
max
和最小值P
min
。4.根据权利要求3所述的方法，其特征在于，所述确定置信度阈值对应的第一搜索范围和第一搜索步长包括：在T
max
、T
min
、P
max
和P
min
之间满足目标关系时，确定所述置信度阈值对应的第一搜索范围和第一搜索步长。5.根据权利要求4所述的方法，其特征在于，所述目标关系包括以下至少之一：T
max
＞P
max
＞T
min
＞P
min
；T
max
＞P
max
＞P
min
＞T
min
；P
max
＞T
max
＞P
min
＞T
min
；P
max
＞T
max
＞T
min
＞P
min
。6.根据权利要求4所述的方法，其特征在于，确定所述置信度阈值对应的第一搜索范围包括：确定T
min
和P
min
中的最小值MIN（T
min , P
min
）为所述第一搜索范围下限，和/或，确定T
max
和P
max
中的最大值MAX（T
max , P
max
）为所述第一搜索范围的上限。7.根据权利要求4所述的方法，其特征在于，确定所述置信度阈值对应的第一搜索步长围包括根据下式确定所述置信度阈值对应的第一步长l：；其中， ，A＜B。8.根据权利要求3所述的方法，其特征在于，所述方法还包括：
在T
min
＞P
max
时，和/或，在P
min
＞T
max
时，确定至少一个所述置信度阈值为T
min
。9.根据权利要求2所述的方法，其特征在于，所述评价参数包括以下至少之一：整体准确率；精准率；平均精准率；召回率；平均召回率；人工替代率。10.根据权利要求...

【专利技术属性】
技术研发人员：王瑜，啜伟，许松，王梓宇，杨京营，赵杰，李军，郭鹏，陈戈强，程杰，沈国梁，吴建波，吴建民，王洪，
申请(专利权)人：北京中祥英科技有限公司，
类型：发明
国别省市：