模型训练方法及装置、电子设备和计算机可读存储介质制造方法及图纸

本公开提供一种模型训练方法及装置、电子设备和计算机可读存储介质，涉及计算机技术领域。模型训练方法包括：将样本图像集中的图像和图像的场景类别信息输入至语义分割模型，得到图像的第一标注结果；根据正确的第一标注结果和对应的图像确定第一训练集；获取对错误的第一标注结果进行矫正后的第二标注结果，根据第二标注结果和对应的图像确定第二训练集；利用第一训练集和第二训练集对语义分割模型进行训练。本公开可提高数据标注效率和准确性。本公开可提高数据标注效率和准确性。本公开可提高数据标注效率和准确性。

【技术实现步骤摘要】
模型训练方法及装置、电子设备和计算机可读存储介质


[0001]本公开涉及计算机
，具体涉及一种模型训练方法、模型训练装置、电子设备和计算机可读存储介质。

技术介绍

[0002]语义分割的主要目的是对输入图像的每个像素属于什么物体进行预测，以区分输入图像中各物体的边缘轮廓。在对语义分割模型进行训练时，通常需要大量的具有标注数据的标注图像，但是标注图像需要大量的人力，标注成本高，操作效率低，标注数据质量低，一定程度影响模型的训练精度。

技术实现思路

[0003]本公开的目的在于提供一种模型训练方法、模型训练装置、电子设备和计算机可读存储介质，进而至少在一定程度上提高数据标注效率和标注准确性，提高模型训练精度。
[0004]根据本公开的第一方面，提供一种模型训练方法，包括：将样本图像集中的图像和所述图像的场景类别信息输入至语义分割模型，得到所述图像的第一标注结果；根据正确的第一标注结果和对应的图像确定第一训练集；获取对错误的第一标注结果进行矫正后的第二标注结果，根据所述第二标注结果和对应的图像确定第二训练集；利用所述第一训练集和所述第二训练集对所述语义分割模型进行训练。
[0005]根据本公开的第二方面，提供一种模型训练装置，包括：数据标注模块，用于将样本图像集中的图像和所述图像的场景类别信息输入至语义分割模型，得到所述图像的第一标注结果；数据确定模块，用于根据正确的第一标注结果和对应的图像确定第一训练集；矫正模块，用于获取对错误的第一标注结果进行矫正后的第二标注结果，根据所述第二标注结果和对应的图像确定第二训练集；模型训练模块，用于利用所述第一训练集和所述第二训练集对所述语义分割模型进行训练。
[0006]根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的方法。
[0007]根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法。
[0008]本公开实施例所涉及的模型训练方法，先将样本图像集中的图像和图像的场景类别信息输入至语义分割模型，得到图像的第一标注结果，根据正确的第一标注结果和对应的图像确定第一训练集，并获取对错误的第一标注结果进行矫正后的第二标注结果，根据第二标注结果和对应的图像确定第二训练集，以利用第一训练集和第二训练集对语义分割模型进行训练。一方面，通过增加数据回流，将错误的第一标注结果进行矫正后的第二标注数据和对应的图像再次作为训练集对语义分割模型进行训练，增加正样本数量，随着模型不断迭代训练，更多的正样本用于训练语义分割模型，提升模型训练精度；另一方面，整个
训练流程仅需少量人工介入，避免人工标注引入的质量偏差，提升训练集的准确性，降低标注成本，实现降本增效。
[0009]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
[0010]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。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0011]图1示出了本公开实施例的技术方案所涉及的阶段示意图；
[0012]图2示意性示出本公开示例性实施例的一种应用场景图；
[0013]图3示意性示出本公开示例性实施例的另一种应用场景图；
[0014]图4示意性示出本公开示例性实施例中模型训练方法的流程图；
[0015]图5示意性示出本公开示例性实施例中一种LSeg模型的结构示意图；
[0016]图6示意性示出本公开示例性实施例中另一种模型训练流程图；
[0017]图7示意性示出本公开示例性实施例的一种对语义分割模型进行优化训练的实现方式的流程图；
[0018]图8示意性示出本公开示例性实施例中一种利用训练完成的目标语义分割模对图像进行标注的过程示意图；
[0019]图9示意性示出本公开示例性实施例中一种模型训练装置的组成示意图；
[0020]图10示出了可以应用本公开实施例的一种电子设备的示意图。
具体实施方式
[0021]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
[0022]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0023]图1示出了本公开实施例的技术方案所涉及的阶段示意图，如图1所示，本公开实施例的技术方案包括模型训练阶段和模型应用阶段。
[0024]在本公开实施例中，所提供的模型训练方法可以由终端设备执行，终端设备可以在模型训练阶段，将样本图像集中的图像和图像的场景类别信息输入至语义分割模型，得到图像的第一标注结果；根据正确的第一标注结果和对应的图像确定第一训练集；获取对错误的第一标注结果进行矫正后的第二标注结果，根据第二标注结果和对应的图像确定第
二训练集；利用第一训练集和第二训练集对语义分割模型进行训练。例如，如图2所示，本公开实施例提供的模型训练方法中所有步骤可以均由终端设备执行的情况下，所有步骤均可以通过终端设备100处理器执行。
[0025]终端设备可以为具有数据处理功能的智能设备，例如可以为智能手机、电脑、平板电脑、车载设备、可穿戴设备、监控设备等智能设备，终端设备还可以被称为移动终端、终端、移动设备等，本公开对终端设备的类型不做限制。
[0026]再者，本公开实施例所提供的技术方案也可以由服务器来执行。对应的，在由服务器执行的这种方式中，服务器可以响应于触发执令开始执行本公开实施例的技术方案中的步骤，其中，该触发执令可以由用户使用的终端设备所发送，也可以由服务器响应于一些自动化事件而在本地触发。服务器可以为提供本公开实施例中相关服务的后台系统，可以包括便携式计算机、台式计算机、智能手机等具有计算功能的一台电子设备或多台电子设备形成的集群。
[0027]另外，本公开实施例的技术方案还可以由终端设备和服务器协同执行。在由电子设备和服务器协同执行的这种方式中，本公开实施例的这种方式中，本公开实施例提供的技术方案中的部分步骤由终端设备执行，而另外部分的步骤则由服务器来执本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：将样本图像集中的图像和所述图像的场景类别信息输入至语义分割模型，得到所述图像的第一标注结果；根据正确的第一标注结果和对应的图像确定第一训练集；获取对错误的第一标注结果进行矫正后的第二标注结果，根据所述第二标注结果和对应的图像确定第二训练集；利用所述第一训练集和所述第二训练集对所述语义分割模型进行训练。2.根据权利要求1所述的方法，其特征在于，获取所述图像的场景类别信息，包括：响应于对所述图像中的待分割的场景类别的获取操作，根据所述获取操作确定所述图像的场景类别信息；其中，所述图像的场景类别信息包括所述图像中的待分割的场景类别的文本描述信息。3.根据权利要求1所述的方法，其特征在于，在所述将样本图像集中的图像和所述图像的场景类别信息输入至语义分割模型，得到所述图像的第一标注结果之后，还包括：根据所述第一标注结果确定所述图像中的目标对象轮廓；若所述目标对象轮廓与预设的标注规则描述信息及所述图像的场景类别信息匹配，则确定所述第一标注结果为正确；若所述目标对象轮廓与所述预设的标注规则描述信息或所述图像的场景类别信息不匹配，则确定所述第一标注结果为错误。4.根据权利要求1所述的方法，其特征在于，所述获取对错误的第一标注结果进行矫正后的第二标注结果，包括：接收所述错误的第一标注结果对应图像的交互式标注信息，并利用预设的标注模型根据所述交互式标注信息确定所述第二标注结果。5.根据权利要求1所述的方法，其特征在于，所述利用所述第一训练集和所述第二训练集对所述语义分割模型进行训练，包括：将所述第一训练集和所述第二训练集中的图像和所述图像的场景类别信息输入至所述语义分割模型进行迭代优化训练；在每次迭代优化训练后对所述第一训练集和所述第二训练集中的图像进行标注，并根据标注结果更新所述第一...

【专利技术属性】
技术研发人员：王凡祎，苏婧文，张严浩，
申请(专利权)人：上海瑾盛通信科技有限公司，
类型：发明
国别省市：