一种多样本集融合的图像目标检测方法技术

本发明专利技术涉及一种多样本集融合的图像目标检测方法，包括：利用第一样本集训练第一目标检测模型；利用第二样本集训练第二目标检测模型；利用训练完毕的第一目标检测模型标注第二样本集，得到第二样本集的反向标签数据；利用训练完毕的第二目标检测模型标注第一样本集，得到第一样本集的反向标签数据；融合第一样本集与第二样本集，得到全量样本集，所述全量样本集中样本的标签数据包括原标签数据和反向标签数据；构建第三目标检测模型；利用全量样本集训练第三目标检测模型；利用训练完毕的三目标检测模型进行多目标检测。目标检测模型进行多目标检测。目标检测模型进行多目标检测。

【技术实现步骤摘要】
一种多样本集融合的图像目标检测方法


[0001]本专利技术涉及一种多样本集融合的图像目标检测方法，属于目标检测领域。

技术介绍

[0002]目标检测任务一般在单一场景下实现单一目标检测。但随着业务需求的变化和增加，需要在目标检测任务中频繁增加新的场景及新的检测目标。例如，在公共安全防护应用领域，其最开始仅需识别人物，但是随着特殊安防情况的增加，目标类型可能会增加到10余类，如摔倒、人员聚集、口罩等。
[0003]针对此类多标签的混合目标任务，主要有以下两种技术方案：一般处理方法为：1、基于不同的深度学习框架、算法，将每类样本集单独训练一类目标检测模型，然后通过模型串、并联方式组合而成目标检测流水线；2、针对每类样本集，均重新标注，标注后简单将各样本集混合在1个大样本集中，并转为传统目标检测任务，训练出1个大模型，简单的混合式训练，容易出现因数据特征不一致，图像识别率大幅度降低。上述两种方法均需要大量的人工标注数据以及训练时间，成本高昂。
[0004]因此，需要一种降低监督成本的多目标检测方法。
[0005]CN111310826A《样本集的标注异常检测方法、装置及电子设备》本专利技术提供了一种样本集的标注异常检测方法、装置及电子设备，涉及机器学习
，该方法包括：获取预先标注完成的样本集；其中，样本集包括带有多种目标类型的样本；基于异常检测模型对样本集中的样本进行标注检测，得到标注异常样本；其中，异常检测模型为基于包含有目标类型的样本预先训练得到的，标注异常样本包括：错标样本和/或漏标样本。

技术实现思路

[0006]为了克服现有技术中存在的问题，本专利技术设计了一种多样本集融合的图像目标检测方法，通过目标检测模型自动反向标注样本数据，得到全量样本集以训练目标检测模型，实现了在复杂业务场景需求下进行高精度多目标检测，能极大降低监督学习时间及人力成本。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]技术方案一：
[0009]一种多样本集融合的图像目标检测方法，包括以下步骤：
[0010]构建第一样本集、第二样本集，所述第一样本集与第二样本集均设有原标签数据且所述第一样本集与第二样本集原标签数据中标注的检测目标不同；
[0011]构建第一目标检测模型，利用第一样本集训练第一目标检测模型；构建第二目标检测模型，利用第二样本集训练第二目标检测模型；；
[0012]利用训练完毕的第一目标检测模型标注第二样本集，得到第二样本集的反向标签数据；
[0013]利用训练完毕的第二目标检测模型标注第一样本集，得到第一样本集的反向标签
数据；
[0014]融合第一样本集与第二样本集，得到全量样本集，所述全量样本集中样本的标签数据包括原标签数据和反向标签数据；
[0015]构建第三目标检测模型；利用全量样本集训练第三目标检测模型；利用训练完毕的三目标检测模型进行多目标检测。
[0016]进一步地，所述融合第一样本集与第二样本集，包括如下步骤：
[0017]遍历第一样本集与第二样本集中的各目标框；判断已存目标框中是否存在与当前目标框类别一致的同类已存目标框；
[0018]若存在同类已存目标框，则判断当前目标框与各同类已存目标框是否重叠；若重叠，继续判断当前目标框与已存同类目标框在长或宽的重叠度是否超过预设阈值，删除重叠度超过预设阈值的当前目标框；若不重叠，则保存该目标框；
[0019]若不存在同类已存目标框，则保存该目标框。
[0020]进一步地，还包括：过滤第一样本集与第二样本集中的目标框，具体步骤如下：
[0021]遍历第一样本集与第二样本集中的各目标框；对当前目标框，删除长度或宽度大于预设阈值的当前目标框，删除超出样本图像边界的当前目标框。
[0022]进一步地，还包括移动全量样本集中的目标框，具体步骤如下：
[0023]设置目标框的移动方向参数和移动幅度参数；
[0024]根据所述移动方向参数和移动幅度参数，移动全量样本集中的目标框。
[0025]进一步地，还包括：
[0026]若移动后的目标框超出图像边界，则减少该目标框的移动幅度。
[0027]进一步地，还包括：比较第一目标检测模型与第三目标检测模型的性能；
[0028]若第三目标检测模型的的性能低于第一目标检测模型的性能，则利用第四目标检测模型标注全量样本集并用标注结果替换全量样本集中的原标签数据；所述第四目标检测模型与第一目标检测模型的检测目标相同；利用替换原标签数据后的全量样本集重新训练多目标检测模型。
[0029]技术方案二：
[0030]一种多样本集融合的图像目标检测系统，包括：
[0031]第一目标检测模型，所述第一目标检测模型经第一样本集训练得到；第一目标检测模型用于标注第二样本集得到第二样本集的反向标签数据；
[0032]第二目标检测模型，所述第二目标检测模型经第二样本集训练得到；第二目标检测模型用于标注第一样本集，得到第一样本集的反向标签数据；所述第一样本集与第二样本集均设有原标签数据且所述第一样本集与第二样本集原标签数据中标注的检测目标不同；
[0033]融合单元，所述融合单元用于融合第一样本集与第二样本集得到全量样本集，所述全量样本集中样本的标签数据包括原标签数据和反向标签数据；
[0034]第三目标检测模型，所述第三目标检测模型经全量样本集训练得到；第三目标检测模型用于进行多目标检测。
[0035]进一步地，所述融合第一样本集与第二样本集，包括如下步骤：
[0036]遍历第一样本集与第二样本集中的各目标框；判断已存目标框中是否存在与当前
目标框类别一致的同类已存目标框；
[0037]若存在同类已存目标框，则判断当前目标框与各同类已存目标框是否重叠；若重叠，继续判断当前目标框与已存同类目标框在长或宽的重叠度是否超过预设阈值，删除重叠度超过预设阈值的当前目标框；若不重叠，则保存该目标框；
[0038]若不存在同类已存目标框，则保存该目标框。
[0039]进一步地，还包括：过滤第一样本集与第二样本集中的目标框，具体步骤如下：
[0040]遍历第一样本集与第二样本集中的各目标框；对当前目标框，删除长度或宽度大于预设阈值的当前目标框，删除超出样本图像边界的当前目标框。
[0041]进一步地，还包括移动全量样本集中的目标框，具体步骤如下：
[0042]设置目标框的移动方向参数和移动幅度参数；
[0043]根据所述移动方向参数和移动幅度参数，移动全量样本集中的目标框。
[0044]进一步地，还包括：
[0045]若移动后的目标框超出图像边界，则减少该目标框的移动幅度。
[0046]进一步地，还包括：比较第一目标检测模型与第三目标检测模型的性能；
[0047]若第三目标检测模型的的性能低于第一目标检测模型的性能，则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多样本集融合的图像目标检测方法，其特征在于，包括以下步骤：构建第一样本集、第二样本集，所述第一样本集与第二样本集均设有原标签数据且所述第一样本集与第二样本集原标签数据中标注的检测目标不同；构建第一目标检测模型，利用第一样本集训练第一目标检测模型；构建第二目标检测模型，利用第二样本集训练第二目标检测模型；利用训练完毕的第一目标检测模型标注第二样本集，得到第二样本集的反向标签数据；利用训练完毕的第二目标检测模型标注第一样本集，得到第一样本集的反向标签数据；融合第一样本集与第二样本集，得到全量样本集，所述全量样本集中样本的标签数据包括原标签数据和反向标签数据；构建第三目标检测模型；利用全量样本集训练第三目标检测模型；利用训练完毕的三目标检测模型进行多目标检测。2.根据权利要求1所述的一种多样本集融合的图像目标检测方法，其特征在于，所述融合第一样本集与第二样本集，包括如下步骤：遍历第一样本集与第二样本集中的各目标框；判断已存目标框中是否存在与当前目标框类别一致的同类已存目标框；若存在同类已存目标框，则判断当前目标框与各同类已存目标框是否重叠；若重叠，继续判断当前目标框与已存同类目标框在长或宽的重叠度是否超过预设阈值，删除重叠度超过预设阈值的当前目标框；若不重叠，则保存该目标框；若不存在同类已存目标框，则保存该目标框。3.根据权利要求1所述的一种多样本集融合的图像目标检测方法，其特征在于，还包括：过滤第一样本集与第二样本集中的目标框，具体步骤如下：遍历第一样本集与第二样本集中的各目标框；对当前目标框，删除长度或宽度大于预设阈值的当前目标框，删除超出样本图像边界的当前目标框。4.根据权利要求1所述的一种多样本集融合的图像目标检测方法，其特征在于，还包括移动全量样本集中的目标框，具体步骤如下：设置目标框的移动方向参数和移动幅度参数；根据所述移动方向参数和移动幅度参数，移动全量样本集中的目标框。5.根据权利要求1所述的一种多样本集融合的图像目标检测方法，其特征在于，还包括：若移动后的目标框超出图像边界，则减少该目标框的移动幅度。6.根据权利要求1所述的一种多样本集融合的图像目标检测方法，其特征在于，还包括：比较第一目标...

【专利技术属性】
技术研发人员：丘志强，庄莉，苏江文，王秋琳，邢国用，伍臣周，
申请(专利权)人：国网信息通信产业集团有限公司国网信通亿力科技有限责任公司，
类型：发明
国别省市：