一种模型训练方法、图像标注方法、设备及产品技术

本公开提供了一种模型训练方法、图像标注方法、设备及产品，通过执行不同检测任务的初始检测模型间的交叉验证，筛选出需要进行人工标注的目标第二样本图像后，再根据目标第二样本图像的图像标注结果对初始检测模型进一步调整，可以提高最终得到的目标检测模型的精准性。并且，由于筛选出的需要进行人工标注的目标第二样本图像只是很少量的样本图像，图像标注成本较低、标注效率较高，从而可以提升模型整体的训练效率。由于训练得到各检测任务对应的目标检测模型可以辅助多种标注场景，从而可以有针对性地从中选取与标注任务匹配的目标检测模型来对待标注图像进行检测，将检测结果作为待标注图像的标注结果，有效提高图像标注的准确性。

【技术实现步骤摘要】

本公开涉及人工智能，具体而言，涉及一种模型训练方法、图像标注方法、设备及产品。

技术介绍

1、自动驾驶的大规模数据标注是自动驾驶模型学习的关键，标注的数量和质量决定了最终模型的学习效果。传统的标注方式采用人工标注，该种方式下将需要标注的数据交给标注人员，由标注人员使用可视化工具来逐帧进行标注，人工成本和时间成本较高。

2、随着深度学习的发展，逐渐开始使用深度学习模型进行预标注，然后人工进行修改，采用这种方式可以提高标注效率。但是，训练出的深度学习模型的多任务处理的能力较弱、精度提升难度较大。

技术实现思路

1、本公开实施例至少提供一种模型训练方法、图像标注方法、设备及产品。

2、本公开实施例提供了一种模型训练方法，所述方法包括：

3、获取多种初始检测模型；所述多种初始检测模型包括相同的图像编码器和不同的检测网络；所述图像编码器用于进行图像特征提取，所述检测网络用于针对提取的图像特征执行对应的检测任务，不同检测网络的检测任务不同；所述图像编码器为通过模型预训练得到的，所述模型本文档来自技高网...

【技术保护点】

1.一种模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述多种初始检测模型包括三维检测模型和二维检测模型；

3.根据权利要求1所述的方法，其特征在于，所述多种初始检测模型包括光流检测模型和二维检测模型；

4.根据权利要求1所述的方法，其特征在于，所述多种初始检测模型包括稀有度检测模型；

5.根据权利要求1所述的方法，其特征在于，在所述多种初始检测模型中包括三维检测模型的情况下，所述第二样本图像集中包括多个样本图像组，每个样本图像组中包括在多种拍摄视角下拍摄同一现实场景得到的多个第二样本图像；同一样本图像...

【技术特征摘要】

1.一种模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述多种初始检测模型包括三维检测模型和二维检测模型；

3.根据权利要求1所述的方法，其特征在于，所述多种初始检测模型包括光流检测模型和二维检测模型；

4.根据权利要求1所述的方法，其特征在于，所述多种初始检测模型包括稀有度检测模型；

5.根据权利要求1所述的方法，其特征在于，在所述多种初始检测模型中包括三维检测模型的情况下，所述第二样本图像集中包括多个样本图像组，每个样本图像组中包括在多种拍摄视角下拍摄同一现实场景得到的多个第二样本图像；同一样本图像组中的多个第二样本图像用于同时输入所述三维检测模型进行检测。

6.根据权利要求1所述的方法，其特征在于，所述根据所述图像标注结果调整所述初始检测模型，得到各检测任务对应的目标检测模型，包括：

<...

【专利技术属性】
技术研发人员：张亚驰，
申请(专利权)人：北京集度科技有限公司，
类型：发明
国别省市：