【技术实现步骤摘要】
用于重新训练预训练后的对象分类器的系统、方法和介质
[0001]本文中提出的实施例涉及用于重新训练预训练后的对象分类器的方法、系统、计算机程序和计算机程序产品。
技术介绍
[0002]对象识别是用以描述一系列涉及识别图像帧中的对象的相关计算机视觉任务的概括性术语。一个这样的任务是对象分类，对象分类涉及预测图像帧中的对象的类别。另一个这样的任务是对象定位，对象定位指的是识别图像帧中的一个或多个对象的位置，并且可选地提供包围这样的被定位的对象的边界框。对象检测可以被视为这两个任务的组合，并且因此可以对图像帧中的一个或多个对象进行定位和分类。
[0003]执行对象分类的一种方式是将要被分类的对象与指示不同对象类别的模板对象的集合进行比较，并且然后根据一些度量将对象分类至与对象最类似的模板对象的对象类别。分类可以基于用带注释的对象的数据集训练后的模型。可以使用深度学习(DL)技术来开发用于对象分类的模型。所生成的模型可以被称为对象分类DL模型，或者简称为模型。这样的模型可以基于不断地改进的数据集被训练。在固件更新或类似的更新...
【技术保护点】
【技术特征摘要】
1.一种用于重新训练预训练后的对象分类器的方法，所述方法由系统执行，所述系统包括处理电路，所述方法包括：获得场景的图像帧的流，其中，所述图像帧中的每个图像帧描绘被跟踪对象的实例，其中，所述被跟踪对象是当在所述场景中移动时被跟踪的同一对象；将所述被跟踪对象的每个实例以置信水平分类为属于一对象类别；对所述被跟踪对象的至少一个所述实例的针对仅一个对象类别的所述置信水平高于阈值置信值进行验证，用于因此确保所述被跟踪对象的所述至少一个所述实例以高置信度被分类至所述仅一个对象类别；并且当所述被跟踪对象的所述至少一个所述实例以所述高置信度被分类至所述仅一个对象类别时：将所述图像帧的流中的所述被跟踪对象的所有实例注释为以高置信度属于所述仅一个对象类别，生成所述被跟踪对象的被注释的实例；并且用所述被跟踪对象的所述被注释的实例中的至少一些重新训练所述预训练后的对象分类器。2.根据权利要求1所述的方法，其中，所述被跟踪对象的所述实例中的至少一些以进一步的置信水平被分类为还属于进一步的对象类别，并且其中所述方法进一步包括：对所述进一步的置信水平低于所述被跟踪对象的所述实例中的所述至少一些的所述阈值置信值进行验证。3.根据权利要求1所述的方法，其中，所述方法进一步包括：对所述被跟踪对象的所述实例的所述对象类别在所述图像帧的流中没有改变进行验证。4.根据权利要求1所述的方法，其中，所述被跟踪对象沿所述图像帧的流中的路径移动，并且其中，当所述被跟踪对象被跟踪时，所述路径被跟踪。5.根据权利要求4所述的方法，其中，所述路径以精确度水平被跟踪，并且其中所述方法进一步包括：对所述精确度水平高于阈值精确度值进行验证。6.根据权利要求4所述的方法，其中，所述方法进一步包括：对所述路径在所述图像帧的流内既没有分开成至少两条路径也没有从至少两条路径合并进行验证。7.根据权利要求1所述的方法，其中，所述被跟踪对象在所述图像帧中具有尺寸，并且其中所述方法进一步包括：对所述被跟踪对象的所述尺寸在所述图像帧的流内变化不超过阈值尺寸值进行验证。8.根据权利要求7所述的方法，其中，当对所述被跟踪对象的所述尺寸在所述图像帧的流内变化不超过所述阈值尺寸值进行验证时，所述被跟踪对象的所述尺寸通过依赖于距离的补偿因子被调整，所述补偿因子被确定为所述被跟踪对象和捕获所述场景的所述图像帧的流的相机设备之间的距离的函数。9.根据权利要求1所述的方法，其中，所述预训练后的对象分类器仅用所述被跟踪对象的、所述置信水平被验证为不高于所述阈值置信值的所述被注释的实例被重新训练。10.根据权利要求1所述的方法，其中，所述被跟踪对象的所述被注释的实例中的每一个被分配相应的权重值，当所述预训练后的对象分类器...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。