本发明专利技术提供了一种模型训练方法、图像标注方法、装置、电子设备及介质，涉及图像处理技术领域。方法包括：获取由多个样本图像构成的原始图像数据集，将原始图像数据集中的样本图像输入初始第一目标检测模型和初始第二目标检测模型，以获得第一标注结果和第二标注结果，根据第一标注结果和第二标注结果的匹配情况，将原始图像数据集划分为第一数据集和第二数据集，根据第一数据集，对待部署目标检测模型进行训练，以获得优化后的目标检测模型，并根据第二数据集，验证优化后的目标检测模型的标注准确率，并根据标注准确率与预设阈值的大小关系，确定最终部署的目标检测模型。在本申请中，能够大大地提升目标检测模型的标注准确率和速度。和速度。和速度。
【技术实现步骤摘要】
模型训练方法、图像标注方法、装置、电子设备及介质
[0001]本专利技术涉及图像处理
，尤其涉及一种模型训练方法、图像标注方法、模型训练装置、图像标注装置、电子设备及计算机存储介质。
技术介绍
[0002]标签是根据业务场景的需求，通过对目标对象，运用抽象、归纳、推理等算法得到的高度精炼的特征标识，用于差异化管理与决策。而对标签的标注主要应用于监控视频数据的处理。而在园区和工厂等环境比较复杂的情况下，现有的目标检测模型对于上述环境中的人行为识别效果较差。
[0003]相关技术中，现有的目标检测模型对图像中目标的标注准确度较差，因此只能采用人工质检的方式来进行标注，然而视频图像数据量过大，就会造成质检人员疲劳，容易出现漏检、错检的现象，并且费时费力，速度和准确度较低。
技术实现思路
[0004]本专利技术实施例提供一种模型训练方法、图像标注方法、装置、电子设备及介质，旨在解决或者部分解决
技术介绍
中存在的问题。
[0005]为了解决上述技术问题，本专利技术是这样实现的：
[0006]第一方面，本专利技术实施例提供了一种模型训练方法，方法包括：
[0007]获取由多个样本图像构成的原始图像数据集；
[0008]将所述原始图像数据集中的样本图像输入初始第一目标检测模型，以获得第一标注结果，并将所述原始图像数据集中的样本图像输入初始第二目标检测模型，以获得第二标注结果；
[0009]根据所述第一标注结果和第二标注结果的匹配情况，将所述原始图像数据集划分为第一数据集和第二数据集；
[0010]根据所述第一数据集，对待部署目标检测模型进行训练，以获得优化后的目标检测模型，并根据所述第二数据集，验证所述优化后的目标检测模型的标注准确率，其中，所述待部署的目标检测模型为所述初始第一目标检测模型和/或所述初始第二目标检测模型；
[0011]根据所述标注准确率与预设阈值的大小关系，确定最终部署的目标检测模型。
[0012]可选地，所述将所述原始图像数据集中的样本图像输入初始第一目标检测模型，以获得第一标注结果，并将所述原始图像数据集中的样本图像输入初始第二目标检测模型，以获得第二标注结果的步骤，包括：
[0013]将每个所述样本图像，输入所述初始第一目标检测模型，获得所述样本图像的第一识别框数量和第一识别框坐标；
[0014]将每个所述样本图像，输入所述初始第二目标检测模型，获得所述样本图像的第二识别框数量和第二识别框坐标。
[0015]可选地，所述根据所述第一标注结果和第二标注结果的匹配情况，将所述原始图像数据集划分为第一数据集和第二数据集的步骤，包括：
[0016]在所述第一标注结果和所述第二标注结果匹配的情况下，为所述样本图像添加筛选标记；
[0017]根据所述样本图像是否携带筛选标记，将所述原始图像数据集划分为第一数据集和第二数据集。
[0018]可选地，所述根据所述样本图像是否携带筛选标记，将所述原始图像数据集划分为第一数据集和第二数据集的步骤，包括：
[0019]将所述原始图像数据集中携带所述筛选标记的样本图像进行整合，获得所述第一数据集；
[0020]将所述原始图像数据集中未携带所述筛选标记的样本图像进行整合，获得所述第二数据集。
[0021]可选地，所述根据所述第一数据集，对待部署目标检测模型进行训练，以获得优化后的目标检测模型，并根据所述第二数据集，验证所述优化后的目标检测模型的标注准确率的步骤，包括：
[0022]将所述第一数据集划分为训练数据集和测试数据集；
[0023]根据所述训练集和所述测试集，对所述待部署目标检测模型进行训练，以对所述待部署目标检测模型的模型参数进行调整，以获得所述优化后的待部署目标检测模型；
[0024]将所述第二数据集作为验证数据集，将所述第二数据集中的样本图像输入所述优化后的待部署目标检测模型，获得所述优化后的待部署目标检测模型的检测准确率。
[0025]可选地，所根据所述标注准确率与预设阈值的大小关系，确定最终部署的目标检测模型的步骤，包括：
[0026]在所述优化后的待部署目标检测模型的检测准确率大于或等于预设阈值的情况下，将所述优化后的待部署目标检测模型确定为所述最终部署的目标检测模型；
[0027]在所述优化后的待部署目标检测模型的检测准确率小于预设阈值的情况下，继续执行所述根据所述第一标注结果和第二标注结果的匹配情况，将所述原始图像数据集划分为第一数据集和第二数据集的步骤。
[0028]第二方面，本专利技术实施例提供了一种图像标注方法，方法包括：
[0029]获取由多个待标注图像构成的目标图像数据集；
[0030]将所述目标图像数据集中的待标注图像输入到最终部署的目标检测模型中，得到所述待标注图像对应的标注结果，所述最终部署的目标检测模型根据本申请第一方面任意一项所述的模型训练方法训练得到。
[0031]第三方面，本专利技术实施例提供了一种模型训练装置，装置包括：
[0032]样本图像获取模块，用于获取由多个样本图像构成的原始图像数据集；
[0033]标注模块，用于将所述原始图像数据集中的样本图像输入初始第一目标检测模型，以获得第一标注结果，并将所述原始图像数据集中的样本图像输入初始第二目标检测模型，以获得第二标注结果；
[0034]划分模块，用于根据所述第一标注结果和第二标注结果的匹配情况，将所述原始图像数据集划分为第一数据集和第二数据集；
[0035]优化模块，用于根据所述第一数据集，对待部署目标检测模型进行训练，以获得优化后的目标检测模型，并根据所述第二数据集，验证所述优化后的目标检测模型的标注准确率，其中，所述待部署的目标检测模型为所述初始第一目标检测模型和/或所述初始第二目标检测模型；
[0036]确定模块，用于根据所述标注准确率与预设阈值的大小关系，确定最终部署的目标检测模型。
[0037]可选地，所述标注模块包括：
[0038]第一标注子模块，用于将每个所述样本图像，输入所述初始第一目标检测模型，获得所述样本图像的第一识别框数量和第一识别框坐标；
[0039]第二标注子模块，用于将每个所述样本图像，输入所述初始第二目标检测模型，获得所述样本图像的第二识别框数量和第二识别框坐标。
[0040]可选地，所述划分模块，包括：
[0041]标签添加子模块，用于在所述第一标注结果和所述第二标注结果匹配的情况下，为所述样本图像添加筛选标记；
[0042]数据集划分子模块，用于根据所述样本图像是否携带筛选标记，将所述原始图像数据集划分为第一数据集和第二数据集。
[0043]可选地，所述数据集划分子模块，包括：
[0044]第一整合单元，用于将所述原始图像数据集中携带所述筛选标记的样本图像进行整合，获得所述第一数据集；
[0045]第二整合单元，用于将所述原始图像数据集中未携带所述筛选本文档来自技高网...
【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，所述方法包括：获取由多个样本图像构成的原始图像数据集；将所述原始图像数据集中的样本图像输入初始第一目标检测模型，以获得第一标注结果，并将所述原始图像数据集中的样本图像输入初始第二目标检测模型，以获得第二标注结果；根据所述第一标注结果和第二标注结果的匹配情况，将所述原始图像数据集划分为第一数据集和第二数据集；根据所述第一数据集，对待部署目标检测模型进行训练，以获得优化后的目标检测模型，并根据所述第二数据集，验证所述优化后的目标检测模型的标注准确率，其中，所述待部署的目标检测模型为所述初始第一目标检测模型和/或所述初始第二目标检测模型；根据所述标注准确率与预设阈值的大小关系，确定最终部署的目标检测模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述将所述原始图像数据集中的样本图像输入初始第一目标检测模型，以获得第一标注结果，并将所述原始图像数据集中的样本图像输入初始第二目标检测模型，以获得第二标注结果的步骤，包括：将每个所述样本图像，输入所述初始第一目标检测模型，获得所述样本图像的第一识别框数量和第一识别框坐标；将每个所述样本图像，输入所述初始第二目标检测模型，获得所述样本图像的第二识别框数量和第二识别框坐标。3.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述第一标注结果和第二标注结果的匹配情况，将所述原始图像数据集划分为第一数据集和第二数据集的步骤，包括：在所述第一标注结果和所述第二标注结果匹配的情况下，为所述样本图像添加筛选标记；根据所述样本图像是否携带筛选标记，将所述原始图像数据集划分为第一数据集和第二数据集。4.根据权利要求3所述的模型训练方法，其特征在于，所述根据所述样本图像是否携带筛选标记，将所述原始图像数据集划分为第一数据集和第二数据集的步骤，包括：将所述原始图像数据集中携带所述筛选标记的样本图像进行整合，获得所述第一数据集；将所述原始图像数据集中未携带所述筛选标记的样本图像进行整合，获得所述第二数据集。5.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述第一数据集，对待部署目标检测模型进行训练，以获得优化后的目标检测模型，并根据所述第二数据集，验证所述优化后的目标检测模型的标注准确率的步骤，包括：将所述第一数据集划分为训练数据集和测试数据集；根据所述训练集和所述测试集，对所述待部署目标检测模型进行训练，以对所述待部署目标检测模型的模型参数进行调整，以获得所述优化后的待部署目标检测模型；将所述第二数据集作为验证数据集，将所述第二数据集中的样本图像输入所述优化后的待部署目标检测模型，获得所述优化后的待部署目标检测模型的检测准确率。
6.根据权利要求1所述的模型训练方...
【专利技术属性】
技术研发人员：陈硕，张博雅，
申请(专利权)人：长城汽车股份有限公司，
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。