【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种目标检测类数据集的自动化构建方法及其相关设备。
技术介绍
1、目前，在对目标检测类的数据集进行构建的过程中，需要人工对每一张图像中的目标进行标注，得到图像中目标的信息之后，基于该图像以及目标的信息构建数据集。
2、但基于上述人工在图像中标注目标的方式，导致目标检测类的数据集的构建效率过低。
技术实现思路
1、本申请的主要目的在于提供一种目标检测类数据集的自动化构建方法及其相关设备，旨在解决目标检测类的数据集的构建效率过低的技术问题。
2、为实现上述目的，本申请提供一种目标检测类数据集构建方法，所述目标检测类数据集构建方法包括以下步骤：
3、获取预设视频对应的时序排列的多张图像，以及所述时序中第一张图像对应第一子图像的第一位置信息，待检测目标位于所述第一子图像中；
4、基于所述第一张图像和所述第一位置信息，通过目标搜索追踪模型，对除所述第一张图像之外的其他图像进行搜索追踪，得到所述其他图像中所述待检测目标的目标位置信息，其中，所述目标搜索追踪模型用于表征所述第一子图像与所述其他图像中待检测目标的目标位置信息之间的关联关系；
5、基于各所述图像及其对应的目标位置信息，构建第一数据集。
6、可选地，所述基于所述第一张图像和所述第一位置信息，通过目标搜索追踪模型，对除所述第一张图像之外的其他图像进行搜索追踪，得到所述其他图像中所述待检测目标的目标位置信息的步骤，包括：
7、获
8、基于所述第二子图像及其对应上一张图像中待检测目标的位置信息，通过目标搜索追踪模型，对所述当前图像进行搜索追踪，得到所述当前图像中所述待检测目标的第二位置信息；
9、返回所述获取当前图像对应上一张图像的第二子图像的步骤，直至得到所述多张图像对应的目标位置信息。
10、可选地，所述获取预设视频对应的时序排列的多张图像，以及所述时序中第一张图像对应第一子图像的第一位置信息的步骤，包括：
11、获取预设视频对应的时序排列的多张图像；
12、基于预设目标检测模型，对所述时序中第一张图像进行目标检测，得到所述第一张图像中待检测目标的预设位置信息，其中，所述预设目标检测模型是基于预设数据集进行迭代训练得到的；
13、基于所述预设位置信息，确定所述第一子图像。
14、可选地，所述基于所述第二子图像及其对应上一张图像中待检测目标的位置信息，通过目标搜索追踪模型，对所述当前图像进行搜索追踪，得到所述当前图像中所述待检测目标的第二位置信息的步骤之后，还包括：
15、基于所述第二位置信息以及当前图像对应前预设张图像中待检测目标对应位置信息，更新待检测目标的位移变化率；
16、基于所述位移变化率，更新所述目标搜索追踪模型的模型参数，以基于更新后的目标搜索追踪模型，对当前图像对应下一张图像进行目标搜索追踪处理。
17、可选地，所述获取预设视频对应的时序排列的多张图像的步骤之前，还包括：
18、获取连续的图像数据集合、所述图像数据集合中各图像的目标子图像，以及与所述目标子图像对应的第三位置信息；
19、基于所述连续的图像数据集合、目标子图像以及所述第三位置信息，对待训练的搜索追踪模型进行迭代训练，得到目标搜索追踪模型。
20、可选地，所述基于各所述图像及其对应的目标位置信息，构建第一数据集的步骤，包括：
21、基于预设抽取方式，从所述多张图像中抽取得到满足预设相似度条件的图像；
22、基于所述满足预设相似度条件的图像，以及所述满足预设相似度条件的图像对应的信息，构建第一数据集，所述满足预设相似度条件的图像对应的信息包括预设位置信息和/或者目标位置信息。
23、可选地，所述基于各所述图像及其对应的目标位置信息，构建第一数据集的步骤之后，还包括：
24、基于所述第一数据集，对预设待训练模型进行迭代训练，得到第一目标检测模型；
25、通过所述第一目标检测模型对所述第一数据集进行预测，得到第一检测结果；
26、确定所述第一检测结果中与所述待检测目标对应信息不一致的第二检测结果，以供用户对所述第二检测结果对应图像进行更正，得到正确的第三检测结果；
27、基于所述第三检测结果对应图像，更新所述第一数据集；
28、返回所述基于所述第一数据集，对预设待训练模型进行迭代训练，得到第一目标检测模型的步骤，直至所述第二检测结果在所述第一检测结果中的占比低于预设第一比例阈值，得到第二数据集。
29、可选地，所述返回所述基于所述第一数据集，对预设待训练模型进行迭代训练，得到第一目标检测模型的步骤，直至所述第二检测结果在所述第一检测结果中的占比低于预设第一比例阈值，得到第二数据集的步骤之后，还包括：
30、获取在真实场景下采集的待检测图像；
31、基于第二目标检测模型，对所述待检测图像进行预测，得到第四检测结果，所述第四检测结果包括目标检测框及其置信度，所述第二目标检测模型是基于第二数据集训练得到的；
32、将所述目标检测框的置信度满足预设条件的待检测图像加入所述第二数据集，得到第三数据集。
33、可选地，所述将所述目标检测框的置信度满足预设条件的待检测图像加入所述第二数据集的步骤，包括以下至少一项：
34、向用户展示置信度低于第一阈值且高于第二阈值的目标检测框对应第一图像，以供用户基于所述目标检测框中目标的类型，从所述第一图像中筛选得到所述目标检测框中存在待检测目标的第二图像，去除所述第二图像中类型错误的目标对应检测框，修正或添加真实存在的待检测目标，得到第三图像，将所述第三图像加入所述第二数据集；
35、向用户展示置信度高于第一阈值的目标检测框对应第四图像，以供用户去除所述第四图像中类型错误的目标对应检测框，修正或添加真实存在的待检测目标，得到第五图像，并将所述第五图像加入所述第二数据集。
36、可选地，所述将所述目标检测框的置信度满足预设条件的待检测图像加入所述第二数据集，得到第三数据集的步骤之后，还包括：
37、基于所述第三数据集，对预设待训练模型进行迭代训练，得到新的第二目标检测模型，以基于新的第二目标检测模型，对所述待检测图像进行预测，得到新的第四检测结果；
38、返回所述获取在真实场景下采集的待检测图像的步骤，直至所述第二图像中类型错误的目标对应图像数量占所述第二图像的数量的比例低于预设第二比例阈值，以及所述第四图像中类型错误的目标对应图像数量占所述第四图像的数量的比例低于预设第三比例阈值。
39、可选地，所述基于各所述图像及其对应的目标位置信息，构建第一数本文档来自技高网...
【技术保护点】
1.一种目标检测类数据集构建方法，其特征在于，所述目标检测类数据集构建方法包括以下步骤：
2.如权利要求1所述的目标检测类数据集构建方法，其特征在于，所述基于所述第一张图像和所述第一位置信息，通过目标搜索追踪模型，对除所述第一张图像之外的其他图像进行搜索追踪，得到所述其他图像中所述待检测目标的目标位置信息的步骤，包括：
3.如权利要求2所述的目标检测类数据集构建方法，其特征在于，所述获取预设视频对应的时序排列的多张图像，以及所述时序中第一张图像对应第一子图像的第一位置信息的步骤，包括：
4.如权利要求2所述的目标检测类数据集构建方法，其特征在于，所述基于所述第二子图像及其对应上一张图像中待检测目标的位置信息，通过目标搜索追踪模型，对所述当前图像进行搜索追踪，得到所述当前图像中所述待检测目标的第二位置信息的步骤之后，还包括：
5.如权利要求1所述的目标检测类数据集构建方法，其特征在于，所述获取预设视频对应的时序排列的多张图像的步骤之前，还包括：
6.如权利要求1所述的目标检测类数据集构建方法，其特征在于，所述基于各所述图像
7.如权利要求1所述的目标检测类数据集构建方法，其特征在于，所述基于各所述图像及其对应的目标位置信息，构建第一数据集的步骤之后，还包括：
8.一种目标检测类数据集构建装置，其特征在于，所述目标检测类数据集构建装置包括：
9.一种设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的目标检测类数据集构建程序，所述目标检测类数据集构建程序配置为实现如权利要求1至7中任一项所述的目标检测类数据集构建方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有目标检测类数据集构建程序，所述目标检测类数据集构建程序被处理器执行时实现如权利要求1至7中任一项所述的目标检测类数据集构建方法的步骤。
...【技术特征摘要】
1.一种目标检测类数据集构建方法，其特征在于，所述目标检测类数据集构建方法包括以下步骤：
2.如权利要求1所述的目标检测类数据集构建方法，其特征在于，所述基于所述第一张图像和所述第一位置信息，通过目标搜索追踪模型，对除所述第一张图像之外的其他图像进行搜索追踪，得到所述其他图像中所述待检测目标的目标位置信息的步骤，包括：
3.如权利要求2所述的目标检测类数据集构建方法，其特征在于，所述获取预设视频对应的时序排列的多张图像，以及所述时序中第一张图像对应第一子图像的第一位置信息的步骤，包括：
4.如权利要求2所述的目标检测类数据集构建方法，其特征在于，所述基于所述第二子图像及其对应上一张图像中待检测目标的位置信息，通过目标搜索追踪模型，对所述当前图像进行搜索追踪，得到所述当前图像中所述待检测目标的第二位置信息的步骤之后，还包括：
5.如权利要求1所述的目标检测类数据集构建方法，其特征在于，所述获取预设视频对应的时序排列的...
【专利技术属性】
技术研发人员：薛朋强，
申请(专利权)人：北京视觉世界科技有限公司，
类型：发明
国别省市：
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。