[发明专利]用于选取训练用样本的方法和装置

说明书

本公开的实施例公开了用于选取训练用样本的方法和装置。该方法的一具体实施方式包括：获取预先训练的人脸检测模型；获取第一样本集，第一样本集中的样本包括输入图像和输入图像对应的实际检测结果信息；对于第一样本集中的样本，将该样本中的输入图像输入至人脸检测模型，得到该样本中的输入图像对应的输出检测结果信息；确定该样本中的实际检测结果信息和输出检测结果信息之间的偏差是否小于预设阈值；响应于确定该样本中的实际检测结果信息和输出检测结果信息之间的偏差不小于预设阈值，选取该样本作为训练用样本。进而可以利用选取出的训练用样本，进一步调整人脸检测模型，以使调整后的人脸检测模型具有更好的检测效果，降低误检率。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于选取训练用样本的方法和装置。

背景技术

在人脸检测的实际应用中，人脸检测模型的实际检测结果有时会出现错误的情况。例如，将非人脸的图像区域(如显示动物的脸的图像区域、非脸图像区域等)错误检测为显示人脸的图像区域。

基于此，如何进一步改善人脸检测模型的检测结果，以降低人脸检测模型的误检率是相关技术人员致力研究的一个方面。

发明内容

本公开的实施例提出了用于选取训练用样本的方法和装置。

第一方面，本公开的实施例提供了一种用于选取训练用样本的方法，该方法包括：获取预先训练的人脸检测模型；获取第一样本集，其中，第一样本集中的样本包括输入图像和输入图像对应的实际检测结果信息；对于第一样本集中的样本，将该样本中的输入图像输入至人脸检测模型，得到该样本中的输入图像对应的输出检测结果信息；确定该样本中的实际检测结果信息和输出检测结果信息之间的偏差是否小于预设阈值；响应于确定该样本中的实际检测结果信息和输出检测结果信息之间的偏差不小于预设阈值，选取该样本作为训练用样本。

在一些实施例中，上述方法还包括：基于从第一样本集中选取的训练用样本对人脸检测模型进行训练，以更新人脸检测模型。

在一些实施例中，人脸检测模型基于第二样本集训练得到；以及基于从第一样本集中选取的训练用样本对人脸检测模型进行训练，以更新人脸检测模型，包括：将从第一样本集中选取的训练用样本添加至第二样本集，得到新的第二样本集；基于得到的新的第二样本集对人脸检测模型进行训练，以更新人脸检测模型。

在一些实施例中，人脸检测模型基于预设的损失函数训练得到，且第二样本集中的第一类别的样本相对于损失函数的值的权重不大于第二样本集中的第二类别的样本相对于损失函数的值的权重，其中，第二样本集中的第一类别的样本的数目大于第二样本集中的第二类别的样本的数目。

在一些实施例中，损失函数包括Focal Loss。

第二方面，本公开的实施例提供了一种用于选取训练用样本的装置，该装置包括：获取单元，被配置成获取预先训练的人脸检测模型；上述获取单元，进一步被配置成获取第一样本集，其中，第一样本集中的样本包括输入图像和输入图像对应的实际检测结果信息；选取单元，被配置成对于第一样本集中的样本，将该样本中的输入图像输入至人脸检测模型，得到该样本中的输入图像对应的输出检测结果信息；确定该样本中的实际检测结果信息和输出检测结果信息之间的偏差是否小于预设阈值；响应于确定该样本中的实际检测结果信息和输出检测结果信息之间的偏差不小于预设阈值，选取该样本作为训练用样本。

在一些实施例中，上述装置还包括：更新单元，被配置成基于从第一样本集中选取的训练用样本对人脸检测模型进行训练，以更新人脸检测模型。

在一些实施例中，人脸检测模型基于第二样本集训练得到；以及上述更新单元进一步被配置成：将从第一样本集中选取的训练用样本添加至第二样本集，得到新的第二样本集；基于得到的新的第二样本集对人脸检测模型进行训练，以更新人脸检测模型。