基于模型对抗的坏例识别方法、装置、设备以及存储介质制造方法及图纸

本公开提供了一种基于模型对抗的坏例识别方法、装置、设备以及存储介质，涉及人工智能技术领域，具体涉及图像分类、图像标注技术，可应用在智慧城市场景下。该方法包括：获取待识别图像集；将待识别图像集输入至第一识别模型，输出得到包含目标物体的第一图像集；将第一图像集输入至第二识别模型，输出得到不包含目标物体的坏例图像集；将坏例图像集输入至标注系统中，输出得到标注结果。本公开提供的基于模型对抗的坏例识别方法可以基于模型对抗高效准确地挖掘出图像集中的坏例图像，从而提升了坏例的识别效率。升了坏例的识别效率。升了坏例的识别效率。

【技术实现步骤摘要】
基于模型对抗的坏例识别方法、装置、设备以及存储介质


[0001]本公开涉及人工智能
，具体涉及图像分类、图像标注技术，尤其涉及一种基于模型对抗的坏例识别方法、装置、设备以及存储介质。

技术介绍

[0002]由于智慧城市等场景下所采集的图像数量巨大，当挖掘这些采集的图像中的坏例badcase时，工作量巨大，耗时耗力。现有技术中挖掘badcase的数量和效率都比较低，而badcase的出现会降低用户的满意度。例如，近年来电动车由于环保便捷等优点，人们对电动车的需求日益增大，电动车已成为居民日常出行中的非常方便的交通工具。随着电动车的普及，其安全管理问题也日益严重，其中在电动车车车牌识别场景中，会出现一些坏例badcase，那么就需要高效地挖掘出这些badcase图像。

技术实现思路

[0003]本公开提供了一种基于模型对抗的坏例识别方法、装置、设备以及存储介质。
[0004]根据本公开的第一方面，提供了一种基于模型对抗的坏例识别方法，包括：获取待识别图像集；将待识别图像集输入至第一识别模型，输出得到包含目标物体的第一图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型对抗的坏例识别方法，包括：获取待识别图像集；将所述待识别图像集输入至第一识别模型，输出得到包含目标物体的第一图像集；将所述第一图像集输入至第二识别模型，输出得到不包含所述目标物体的坏例图像集；将所述坏例图像集输入至标注系统中，输出得到标注结果。2.根据权利要求1所述的方法，其中，所述待识别图像集通过以下步骤得到：获取初始图像集；按照时间顺序对所述初始图像集进行排序；按照预设比例对排序后的初始图像集进行抽样，得到抽样图像集；计算所述抽样图像集中各张图像的相似度，基于计算结果确定待识别图像集。3.根据权利要求2所述的方法，其中，所述计算所述抽样图像集中各张图像的相似度，基于计算结果确定待识别图像集，包括：从所述抽样图像集中的第二张图像开始，分别计算当前图像与前一张图像之间的相似度，若所述相似度满足预设条件，则将所述当前图像确定为待识别图像。4.根据权利要求1
‑
3中任一项所述的方法，其中，所述第一识别模型通过以下步骤训练得到：获取第一训练样本集，其中，所述第一训练样本集中的训练样本包括目标对象和所述目标物体的图像以及该图像对应的第一类别标签，所述第一类别标签为表示该图像中是否包含所述目标物体的标签；将所述目标对象和所述目标物体的图像作为输入，将所述该图像对应的第一类别标签作为输出，训练得到所述第一识别模型。5.根据权利要求1
‑
4中任一项所述的方法，其中，所述第二识别模型通过以下步骤训练得到：获取第二训练样本集，其中，所述第二训练样本集中的训练样本包括干扰物体和所述目标物体的图像以及该图像对应的第二类别标签，所述第二类别标签包括目标物体标签和干扰物体标签；将所述干扰物体和所述目标物体的图像作为输入，将所述该图像对应的第二类别标签作为输出，训练得到所述第二识别模型。6.根据权利要求1所述的方法，其中，所述将所述坏例图像集输入至标注系统中，输出得到标注结果，包括：按照预设尺寸将所述坏例图像集中的图像进行裁剪，得到目标图像集；将所述目标图像集输入至标注系统中，输出得到各个目标图像对应的分类标签。7.一种基于模型对抗的坏例识别装置，包括：获取模块，被配置成获取待识别图像集；第一识别模块，被配置成将所述待识别图像集输入至第一识别模型，输出得到包含目标物体的第一图像集；第二识别模块，被配置成将所述第一图像集输入至第二识别模型，输出得到不包含所述目标物体的坏例图像集；
标注模块，被配置成将所述坏例图像集输入至标注系统中，输出得到标注结果。8.根据权利要求7所述的装置，其中，所...

【专利技术属性】
技术研发人员：王新军，张月，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：