【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及自动驾驶、智能交通、计算机视觉、智能搜索等。
技术介绍
1、视觉识别任务中真实样本的类别分布通常不均匀。即头部类别具有较多样本实例，尾部类别具有较少样本，尾部的较少样本可称为长尾目标。
2、在自动驾驶中，长尾目标的检测和识别是难点和重点。这是因为长尾目标在实际场景中的分布比较稀疏，很难短时间内获取到大量的长尾目标。
技术实现思路
1、本公开提供了一种数据处理方法、图像检索方法及相关装置。
2、根据本公开的一方面，提供了数据处理方法，包括：
3、在预设的多种样本图像获取方式中，确定目标获取方式；
4、基于所述目标获取方式获取长尾图像样本。
5、根据本公开的另一方面，提供了一种图像检索方法，包括：
6、筛选出与目标图像的相似度满足预设条件的多张初选图像，得到初选图像集；
7、基于训练收敛的长尾分类模型对初选图像集进行分类，得到初选图像集中各初选图像的分类置信度；
8、基于各初选图像与目标图像之间的相似度和分类置信度，从初选图像集中筛选出长尾目标图像。
9、根据本公开的另一方面，提供了一种数据处理装置，包括：
10、确定模块，用于在预设的多种样本图像获取方式中，确定目标获取方式；
11、获取模块，用于基于所述目标获取方式获取长尾图像样本。
12、根据本公开的另一方面，提供了一种图像检索装置，包括：
13、初
14、处理模块，用于基于训练收敛的长尾分类模型对所述初选图像集进行分类，得到所述初选图像集中各初选图像的分类置信度；
15、精选模块，用于基于各初选图像与所述目标图像之间的相似度和分类置信度，从所述初选图像集中筛选出长尾目标图像。
16、根据本公开的另一方面，提供了一种电子设备，包括：
17、至少一个处理器；以及
18、与该至少一个处理器通信连接的存储器；其中，
19、该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一的方法。
20、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
21、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。
22、本公开实施例中，由于长尾图像样本的数量较少，可以基于实际情况确定目标获取方式，获取到较多的长尾图像样本。
23、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种数据处理方法，包括：
2.根据权利要求1所述的方法，其中，所述目标获取方式包括以下中的至少一种：
3.根据权利要求1或2所述的方法，其中，所述在预设的多种样本图像获取方式中，确定目标获取方式，包括：
4.根据权利要求3所述的方法，其中，在所述当前训练阶段为针对所述目标模型的初始训练阶段的情况下，所述目标获取方式为获取样本精度满足预设精度要求的图像。
5.根据权利要求3所述的方法，其中，在所述目标模型满足第一收敛条件的情况下，所述目标模型的当前训练阶段切换到中间训练阶段；
6.根据权利要求3所述的方法，在所述目标模型满足第二收敛条件的情况下，所述目标模型的当前训练阶段切换为末期训练阶段；
7.根据权利要求2或6所述的方法，其中，所述基于长尾参考样本，从多张图像中筛选出所述长尾图像样本，包括：
8.根据权利要求7所述的方法，其中，所述目标模型为长尾分类模型。
9.根据权利要求2、7、8中任一项所述的方法，还包括：
10.根据权利要求9所述的方法，其中，所述基于各相似图像
11.根据权利要求9所述的方法，其中，基于所述候选图像序列，优化所述长尾分类模型，包括：
12.根据权利要求9所述的方法，其中，基于所述候选图像序列，优化所述长尾分类模型，包括：
13.根据权利要求12所述的方法，其中，所述确定所述候选图像序列的期望排序，包括：
14.根据权利要求10所述的方法，还包括：
15.根据权利要求14所述的方法，其中，在候选图像序列和期望排序的之间的差异大于预设差异度的情况下，优先优化所述长尾分类模型。
16.根据权利要求14所述的方法，其中，在候选图像序列和期望排序的之间的差异小于或等于预设差异度的情况下，优先优化所述相似度和所述分类置信度的权重。
17.根据权利要求2所述的方法，其中，所述样本精度满足预设精度要求的长尾图像样本来源于人工标注的图像。
18.一种图像检索方法，包括：
19.根据权利要求18所述的方法，其中，所述基于各初选图像与所述目标图像之间的相似度和分类置信度，从所述初选图像集中筛选出长尾目标图像，包括：
20.一种数据处理装置，包括：
21.根据权利要求20所述的装置，其中，所述获取模块，包括以下任一单元：
22.根据权利要求20或21所述的装置，其中，所述确定模块，具体用于：
23.根据权利要求22所述的装置，其中，在所述当前训练阶段为针对所述目标模型的初始训练阶段的情况下，所述目标获取方式为获取样本精度满足预设精度要求的长尾图像样本。
24.根据权利要求22所述的装置，其中，在所述目标模型满足第一收敛条件的情况下，所述目标模型的当前训练阶段切换到中间训练阶段；
25.根据权利要求22所述的装置，在所述目标模型满足第二收敛条件的情况下，所述目标模型的当前训练阶段切换为末期训练阶段；
26.根据权利要求21或25所述的装置，其中，所述第三获取单元，具体用于：
27.根据权利要求26所述的装置，其中，所述目标模型为长尾分类模型。
28.根据权利要求21、26、27中任一项所述的装置，还包括：
29.根据权利要求28所述的装置，其中，所述排序模块，包括：
30.根据权利要求28所述的装置，其中，所述优化模块，包括：
31.根据权利要求28所述的装置，其中，所述优化模块，包括：
32.根据权利要求31所述的装置，其中，所述第二确定单元，具体用于：
33.根据权利要求29所述的装置，所述优化模块，还用于：
34.根据权利要求33所述的装置，其中，所述优化模块，用于在候选图像序列和期望排序的之间的差异大于预设差异度的情况下，优先优化所述长尾分类模型。
35.根据权利要求33所述的装置，其中，所述优化模块，用于在候选图像序列和期望排序的之间的差异小于或等于预设差异度的情况下，优先优化所述相似度和所述分类置信度的权重。
36.根据权利要求21所述的装置，其中，所述样本精度满足预设精度要求的长尾图像样本来源于人工标注的图像。
37.一种图像检索装置，包括：
38.根据权利要求37所述的装置，其中，所述精选模块，具体用于：
39.一种电子设备，包括：
40...
【技术特征摘要】
1.一种数据处理方法，包括：
2.根据权利要求1所述的方法，其中，所述目标获取方式包括以下中的至少一种：
3.根据权利要求1或2所述的方法，其中，所述在预设的多种样本图像获取方式中，确定目标获取方式，包括：
4.根据权利要求3所述的方法，其中，在所述当前训练阶段为针对所述目标模型的初始训练阶段的情况下，所述目标获取方式为获取样本精度满足预设精度要求的图像。
5.根据权利要求3所述的方法，其中，在所述目标模型满足第一收敛条件的情况下，所述目标模型的当前训练阶段切换到中间训练阶段；
6.根据权利要求3所述的方法，在所述目标模型满足第二收敛条件的情况下，所述目标模型的当前训练阶段切换为末期训练阶段；
7.根据权利要求2或6所述的方法，其中，所述基于长尾参考样本，从多张图像中筛选出所述长尾图像样本，包括：
8.根据权利要求7所述的方法，其中，所述目标模型为长尾分类模型。
9.根据权利要求2、7、8中任一项所述的方法，还包括：
10.根据权利要求9所述的方法，其中，所述基于各相似图像与所述长尾参考样本之间的相似度和分类置信度，对所述候选图像集中各相似图像进行排序，得到候选图像序列，包括：
11.根据权利要求9所述的方法，其中，基于所述候选图像序列，优化所述长尾分类模型，包括：
12.根据权利要求9所述的方法，其中，基于所述候选图像序列，优化所述长尾分类模型，包括：
13.根据权利要求12所述的方法，其中，所述确定所述候选图像序列的期望排序，包括：
14.根据权利要求10所述的方法，还包括：
15.根据权利要求14所述的方法，其中，在候选图像序列和期望排序的之间的差异大于预设差异度的情况下，优先优化所述长尾分类模型。
16.根据权利要求14所述的方法，其中，在候选图像序列和期望排序的之间的差异小于或等于预设差异度的情况下，优先优化所述相似度和所述分类置信度的权重。
17.根据权利要求2所述的方法，其中，所述样本精度满足预设精度要求的长尾图像样本来源于人工标注的图像。
18.一种图像检索方法，包括：
19.根据权利要求18所述的方法，其中，所述基于各初选图像与所述目标图像之间的相似度和分类置信度，从所述初选图像集中筛选出长尾目标图像，包括：
20.一种数据处理装置，包括：
<...【专利技术属性】
技术研发人员：孔祥振，
申请(专利权)人：北京百度网讯科技有限公司，
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。