样本标签的获取方法和镜头失效检测模型的训练方法技术

本申请涉及一种样本标签的获取方法和镜头失效检测模型的训练方法，其中，该样本标签的获取方法包括先确定前置模型的模型质量评估结果，其中，前置模型用于辅助确定待训练镜头失效检测模型的输入图像的失效程度标签；然后根据模型质量评估结果确定前置模型的输入图像的镜头失效程度；最后将镜头失效程度作为输入图像的失效程度标签进行镜头失效检测模型的训练，解决了相关技术中对镜头失效程度的判断比较主观的问题，为图像处理过程提供了客观依据。观依据。观依据。

【技术实现步骤摘要】
样本标签的获取方法和镜头失效检测模型的训练方法


[0001]本申请涉及计算机
，特别是涉及一种样本标签的获取方法和镜头失效检测模型的训练方法。

技术介绍

[0002]随着计算机技术的发展，对图像质量的依赖性也越来越高。但是图像采集设备的镜头常被各类污染物污染，从而导致镜头失效，进一步地，通过失效镜头采集到的图像质量不佳，也会影响后续的图像处理过程。
[0003]可以理解，不同的镜头失效程度对于图像处理过程的影响不同，如车辆检测、车道线分割等等，但相关技术中，仅能通过技术人员人为对镜头的失效程度进行区分，所以对于失效程度的判断比较主观，无法为后续的图像处理过程提供客观的依据。
[0004]目前针对相关技术中对失效程度的判断比较主观，无法为后续的图像处理过程提供客观依据的问题，尚未提出有效的解决方案。

技术实现思路

[0005]本申请提供了一种样本标签的获取方法、镜头失效检测模型的训练方法、镜头失效的检测方法、车载控制系统和车辆，以解决相关技术中对失效程度的判断比较主观，无法为后续的图像处理过程提供客观依据的问题。
[0006]第一方面，本申请提供了一种样本标签的获取方法，所述方法包括：
[0007]确定前置模型的模型质量评估结果，其中，所述前置模型用于辅助确定待训练镜头失效检测模型的输入图像的失效程度标签；
[0008]根据所述模型质量评估结果确定所述前置模型的输入图像的镜头失效程度；
[0009]将所述镜头失效程度作为所述输入图像的失效程度标签，其中，在训练所述镜头失效检测模型时，将所述前置模型的输入图像作为所述镜头失效检测模型的输入图像。
[0010]在其中一些实施例中，所述根据所述模型质量评估结果确定所述前置模型的输入图像的镜头失效程度包括：
[0011]根据多个所述模型质量评估结果之间的数值关系，确定各所述输入图像的镜头失效程度，其中，所述前置模型的所有输入图像被划分为多个图像数据集，多个图像数据集分别对应于多个图像质量级别，多个图像质量级别分别对应于多个所述模型质量评估结果。
[0012]在其中一些实施例中，所述根据多个所述模型质量评估结果之间的数值关系，确定各所述输入图像的镜头失效程度包括：
[0013]将所述前置模型以第一图像质量级别的图像作为输入图像时得到的模型质量评估结果作为评估参考值；
[0014]确定所述前置模型以第二图像质量级别的图像作为输入图像时得到的模型质量评估结果，记为待确认评估值；
[0015]根据所述评估参考值与所述待确认评估值之间的差异确定具有所述第二图像质
量级别的输入图像的镜头失效程度。
[0016]在其中一些实施例中，所述第一图像质量级别大于或者等于预设的图像质量阈值。
[0017]在其中一些实施例中，所述根据多个所述模型质量评估结果之间的数值关系，确定各所述输入图像的镜头失效程度还包括：
[0018]根据多个所述模型质量评估结果之间的相对大小关系，确定与所述图像质量级别对应的输入图像的镜头失效程度。
[0019]在其中一些实施例中，所述确定前置模型的模型质量评估结果包括：
[0020]根据所述前置模型的查全率和/或查准率确定所述模型质量评估结果。
[0021]在其中一些实施例中，所述根据所述前置模型的查全率和/或查准率确定所述模型质量评估结果包括：
[0022]根据所述前置模型的查全率和查准率确定查全率
‑
查准率曲线；
[0023]根据所述查全率
‑
查准率曲线的数值特征确定所述模型质量评估结果。
[0024]在其中一些实施例中，所述查全率
‑
查准率曲线的数值特征为所述查全率
‑
查准率曲线与坐标轴之间的面积，记为评估面积。
[0025]在其中一些实施例中，在所述确定前置模型的模型质量评估结果之前，所述方法还包括：
[0026]在所述前置模型为目标检测模型的情况下，获取所述输入图像中检测目标的交并比；
[0027]在所述交并比大于或者等于预设的交并比阈值的情况下，获取所述前置模型的模型质量评估结果。
[0028]第二方面，本申请实施例提供了一种镜头失效检测模型的训练方法，所述方法包括：
[0029]获取待训练的镜头失效检测模型的输入图像以及所述输入图像的失效程度标签，其中，所述失效程度标签根据第一方面中任一项所述的样本标签的获取方法得到；
[0030]将所述输入图像作为所述待训练的镜头失效检测模型的输入数据，将所述失效程度标签作为所述镜头失效检测模型的目标数据，对所述镜头失效检测模型进行训练，其中，所述镜头失效检测模型至少用于确定待预测图像的镜头失效程度。
[0031]在其中一些实施例中，在对所述镜头失效检测模型进行训练之前，还包括：获取所述输入图像的镜头失效类型作为失效类型标签；
[0032]所述对所述镜头失效检测模型进行训练包括：
[0033]将输入图像作为待训练的镜头失效检测模型的输入数据，将所述失效程度标签和所述失效类型标签作为所述镜头失效检测模型的目标数据，对所述镜头失效检测模型进行训练。
[0034]第三方面，本申请实施例提供了一种镜头失效的检测方法，所述方法包括：
[0035]获取待预测图像，通过训练好的镜头失效检测模型确定所述待预测图像的镜头失效程度，其中，所述镜头失效检测模型通过第二方面中任一项镜头失效检测模型的训练方法得到；
[0036]将所述待预测图像的镜头失效程度作为图像采集设备的镜头失效程度，其中，所
述待预测图像通过所述图像采集设备得到。
[0037]在其中一些实施例中，在所述获取待预测图像之后，所述方法还包括：
[0038]通过所述训练好的镜头失效检测模型获取所述待预测图像的镜头失效类型；
[0039]输出所述镜头失效类型和所述镜头失效程度，及/或，根据所述镜头失效类型和/或所述镜头失效程度输出镜头调整策略。
[0040]在其中一些实施例中，所述通过所述训练好的镜头失效检测模型获取所述待预测图像的镜头失效类型包括：
[0041]在所述待预测图像具有多个所述镜头失效类型的情况下，根据多个所述镜头失效类型对所述待预测图像的影响程度，确定与所述待预测图像对应的最终镜头失效类型。
[0042]第四方面，本申请实施例提供了一种车载控制系统，包括存储器和处理器，所述存储器存储有程序，所述程序在被所述处理器读取执行时，实现如上述第一方面至第三方面中任一所述的方法。
[0043]第五方面，本申请实施例提供了一种车辆，所述车辆包括：
[0044]图像采集设备，设置为获取待预测图像；
[0045]图像处理器，设置为实现如上述第一方面至第三方面中任一所述的方法。
[0046]第六方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种样本标签的获取方法，其特征在于，所述方法包括：确定前置模型的模型质量评估结果，其中，所述前置模型用于辅助确定待训练镜头失效检测模型的输入图像的失效程度标签；根据所述模型质量评估结果确定所述前置模型的输入图像的镜头失效程度；将所述镜头失效程度作为所述输入图像的失效程度标签，其中，在训练所述镜头失效检测模型时，将所述前置模型的输入图像作为所述镜头失效检测模型的输入图像。2.根据权利要求1所述的样本标签的获取方法，其特征在于，所述根据所述模型质量评估结果确定所述前置模型的输入图像的镜头失效程度包括：根据多个所述模型质量评估结果之间的数值关系，确定各所述输入图像的镜头失效程度，其中，所述前置模型的所有输入图像被划分为多个图像数据集，多个图像数据集分别对应于多个图像质量级别，多个图像质量级别分别对应于多个所述模型质量评估结果。3.根据权利要求2所述的样本标签的获取方法，其特征在于，所述根据多个所述模型质量评估结果之间的数值关系，确定各所述输入图像的镜头失效程度包括：将所述前置模型以第一图像质量级别的图像作为输入图像时得到的模型质量评估结果作为评估参考值；确定所述前置模型以第二图像质量级别的图像作为输入图像时得到的模型质量评估结果，记为待确认评估值；根据所述评估参考值与所述待确认评估值之间的差异确定具有所述第二图像质量级别的输入图像的镜头失效程度。4.根据权利要求3所述的样本标签的获取方法，其特征在于，所述第一图像质量级别大于或者等于预设的图像质量阈值。5.根据权利要求2所述的样本标签的获取方法，其特征在于，所述根据多个所述模型质量评估结果之间的数值关系，确定各所述输入图像的镜头失效程度还包括：根据多个所述模型质量评估结果之间的相对大小关系，确定与所述图像质量级别对应的输入图像的镜头失效程度。6.根据权利要求1所述的样本标签的获取方法，其特征在于，所述确定前置模型的模型质量评估结果包括：根据所述前置模型的查全率和/或查准率确定所述模型质量评估结果。7.根据权利要求6所述的样本标签的获取方法，其特征在于，所述根据所述前置模型的查全率和/或查准率确定所述模型质量评估结果包括：根据所述前置模型的查全率和查准率确定查全率
‑
查准率曲线；根据所述查全率
‑
查准率曲线的数值特征确定所述模型质量评估结果。8.根据权利要求7所述的样本标签的获取方法，其特征在于，所述查全率
‑
查准率曲线的数值特征为所述查全率
‑
查准率曲线与坐标轴之间的面积，记为评估面积。9.根据权利要求1至8中任一项所述的样本标签的获取方法，其特征在于，在所述确定前置模型的模型质量评估结果之前，所述方法还包括：在所述前置模型...

【专利技术属性】
技术研发人员：邱翰，方三勇，王进，
申请(专利权)人：虹软科技股份有限公司，
类型：发明
国别省市：