[发明专利]一种用于目标检测的数据错误评分方法

权利要求书

1.一种用于目标检测的数据错误评分方法，其特征在于，所述方法包括：

对多个图片内的目标进行标记处理，生成目标检测数据；并将所述目标检测数据划分为训练集、测试集；

将所述测试集通过训练模型进行推理，生成推理结果；

将所述推理结果与所述训练集的真值进行配对，获得真正例、假正例、假反例；

分别计算所述真正例、假正例、假反例的错误得分，并根据所述错误得分对多个图片进行处理；

其中，所述训练模型通过目标检测算法对训练集训练获得。

2.根据权利要求1所述的一种用于目标检测的数据错误评分方法，其特征在于，所述对多个图片内的目标进行标记处理，包括：

将图片内的目标通过边界框进行标记，并标注当前边界框的目标类别，生成目标检测数据。

3.根据权利要求2所述的一种用于目标检测的数据错误评分方法，其特征在于，所述训练集与所述测试集的比例为8:2或者所述训练集与所述测试集的比例为7:3。

4.根据权利要求1所述的一种用于目标检测的数据错误评分方法，其特征在于，所述目标检测算法包括YOLO系列算法、RCNN系列算法中任一种。

5.根据权利要求1所述的一种用于目标检测的数据错误评分方法，其特征在于，所述推理结果包括每个目标检测数据的目标类别、边界框坐标、置信度。

6.根据权利要求5所述的一种用于目标检测的数据错误评分方法，其特征在于，所述将所述推理结果与训练集的真值进行配对，获得真正例、假正例、假反例，包括：

多个所述推理结果按照置信度进行降序排列；

将所有推理结果与训练集计算交并比；

根据所述交并比、推理结果的置信度，获得真正例、假正例、假反例。

7.根据权利要求6所述的一种用于目标检测的数据错误评分方法，其特征在于，所述根据所述交并比、推理结果的置信度，获得真正例、假正例、假反例，

将所述推理结果中置信度小于第二阈值判断判定为真反例；

选择所述交并比大于第一阈值且置信度最大的推理结果，与当前训练集组成真正例；

将交并比小于等于第一阈值的训练集判定为假反例；

将没有配对的推理结果判定为假正例。

8.根据权利要求6所述的一种用于目标检测的数据错误评分方法，其特征在于，根据所述真正例计算错误得分，包括：

根据所述推理结果与训练集边界框的交并比、推理结果的置信度，计算第一错误得分，其公式为：mistakenness1＝(1-score+10-3)*(1-iou+10-3)，其中，score为推理结果的置信度，iou为交并比。

9.根据权利要求8所述的一种用于目标检测的数据错误评分方法，其特征在于，根据所述假正例计算错误得分，包括：

通过所述推理结果的置信度，计算第二错误得分，其公式为：

mistakenness2＝0.5*score+0.4，其中，score为推理结果的置信度。

10.根据权利要求9所述的一种用于目标检测的数据错误评分方法，其特征在于，根据所述假反例计算错误得分，包括：

若训练集未找到相匹配的推理结果，则第三错误得分为mistakenness3＝1；

若训练集找到交并比大于0.5的推理结果，且训练集与推理结果的目标类别不相同，则第三错误得分计算公式为：mistakenness3＝0.5*score+0.5，其中，score为推理结果的置信度。