[发明专利]一种基于识别的图像语义分割数据筛选方法及系统

说明书

本发明涉及一种基于识别的图像语义分割数据筛选方法及系统，该方法包括步骤：利用已训练出的网络模型对新图像进行图像识别预测，得到该新图像中每个像素点的置信度；对置信度做归一化处理，并进行图片转换，得到包含置信度信息的灰度图；基于所述包含置信度信息的灰度图，根据当前像素点及其周围的像素点的类别个数和/或置信度，判断预测效果是否良好；筛选出预测效果不好的新图像。通过本发明方法及系统，可以将不需要用于训练的数据剔除，只筛选出有新特征的数据用于进行标注及训练，可以提高模型训练效率。

技术领域

本发明涉及图像识别技术领域，特别涉及一种基于识别的图像语义分割数据筛选方法及系统。

背景技术

近年来，随着深度学习的逐渐发展，卷积神经网络在计算机视觉领域得到了广泛的应用，包括目标检测、图象语义分割等方面。卷积神经网络模型的训练过程是：采集样本数据——对样本数据进行标注——输入样本数据进行模型预测——将预测结果与标注数据进行损失计算，并以计算结果优化模型参数——N次迭代得到最终的模型。模型的训练需要大量的样本数据，且训练数据的质量直接影响到模型的质量，所以在神经网络模型的使用过程中，可能会使用新数据对既有的模型进行再次训练以内模型进行优化，尤其是最初的模型的训练样本较为缺乏的情况。新数据中可能包括新特征，也可能仅包含原有的特征，对所有的新数据进行标注再训练，必然会花费大量的时间，效率低。

发明内容

本发明的目的在于改善现有技术中所存在的对所有的新数据进行标注再训练导致效率低的不足，提供一种基于识别的图像语义分割数据筛选方法及系统。

为了实现上述发明目的，一方面，本发明实施例提供了一种基于识别的图像语义分割数据筛选方法，包括以下步骤：

利用已训练出的网络模型对新数据进行图像识别预测，得到图像中每个像素点的置信度；

对置信度做归一化处理，并进行图片转换，得到包含置信度信息的图片；

基于所述包含置信度信息的图片，根据当前像素点及其周围的像素点的类别个数和/或置信度，判断预测效果是否良好；

筛选出预测效果不好的数据。

根据本发明实施例，所述归一化处理是指：将置信度由0-1之间的数值转换为0-255之间的数值。

根据本发明实施例，所述根据当前像素点及其周围的像素点的类别个数和/或置信度，判断预测效果是否良好的方式是，若出现以下三种情况中的任一种，则判定为该数据预测效果不好：

(1)当前像素点及其周围像素点的平均置信度小于设定的第一置信度阈值；

(2)当前像素点及其周围像素点的类别数大于等于设定的类别个数阈值，且平均置信度小于第二置信度阈值；

(3)当前像素点及其周围像素点的类别数等于1，并且周围像素点的置信度小于第三置信度阈值的个数大于设定的像素点个数阈值；

第二置信度阈值＞第三置信度阈值＞第一置信度阈值。

进一步地，周围像素点是指以当前像素点为中心的N×N矩阵内的像素点，N为大于等于3的整数。

在进一步优化的方案中，上述方法还包括步骤：将筛选出的预测效果不好的数据进行标注，以用于对所述已训练出的网络模型进行继续训练。

另一方面，本发明实施例中还提供了一种基于识别的图像语义分割数据筛选系统，包括以下模块：

预测模块，用于利用已训练出的网络模型对新数据进行图像识别预测，得到图像中每个像素点的置信度；

归一化模块，用于对置信度做归一化处理，并进行图片转换，得到包含置信度信息的图片；