[发明专利]基于人工智能的目标检测样本生成方法及相关设备

权利要求书

1.一种基于人工智能的目标检测样本生成方法，其特征在于，所述方法包括：

采集样本图像，并对所有的样本图像进行预处理后获得优化样本图像集；

对所述优化样本图像集中的所有图像进行标注，并对标注后的所有图像进行分类获得多种类别的分类图像集；

分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度获得所述目标图像的目标相似图像集，所述目标分类图像集为所有类别的分类图像集中的任意一个，所述目标图像为对应类别的目标分类图像集中的任意一幅图像；

对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图像，所述目标均衡图像与所述目标相似图像集一一对应；

对每一种类别的各个目标相似图像集的目标均衡图像进行组合以生成样本训练集，并基于所述样本训练集对预设的目标检测模型进行训练以获得训练好的目标检测模型；

基于所述训练好的目标检测模型进行目标检测获得目标检测结果。

2.如权利要求1所述的基于人工智能的目标检测样本生成方法，其特征在于，所述采集样本图像，并对所有的样本图像进行预处理后获得优化样本图像集，包括：

采集样本图像，并将所有的样本图像转换为灰度图像得到灰度图像集；

对所述灰度图像集中的所有灰度图像进行均值滤波获得优化样本图像集。

3.如权利要求1所述的基于人工智能的目标检测样本生成方法，其特征在于，所述对所述优化样本图像集中的所有图像进行标注，并对标注后的所有图像进行分类获得多种类别的分类图像集，包括：

依据预设方式对所述优化样本图像集中的所有图像进行框选获得目标框图像，并对不同类别的目标框图像标注不同的标签值；

依据所述标签值的类别对所有的目标框图像进行分类获得多种类别的分类图像集，所述每种分类图像集包括相同标签值类别的多幅目标框图像。

4.如权利要求1所述的基于人工智能的目标检测样本生成方法，其特征在于，所述分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度获得所述目标图像的目标相似图像集，所述目标分类图像集为所有类别的分类图像集中的任意一个，所述目标图像为对应类别的目标分类图像集中的任意一幅图像，包括：

分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似度；

基于所述目标图像对应的所有图像相似度计算所述目标图像的图像相似度阈值，并基于所述图像相似度阈值筛选所述目标分类图像集中的图像得到目标相似图像集，所述目标相似图像集与所述目标图像一一对应；

遍历所有类别的分类图像集和每一种类别的分类图像集中的所有图像获得每一种类别的分类图像集中的每一幅图像的目标相似图像集。

5.如权利要求4所述的基于人工智能的目标检测样本生成方法，其特征在于，所述基于所述目标图像对应的所有图像相似度计算图像相似度阈值，并基于所述图像相似度阈值筛选所述目标分类图像集中的图像得到目标相似图像集，包括：

依据最大类间方差法计算所述目标图像对应的所有图像相似度获得图像相似度阈值；

将所述目标图像对应的所有大于所述图像相似度阈值的图像相似度进行保留，并将所有保留下来的图像相似度对应的图像作为所述目标图像的目标相似图像集。

6.如权利要求1所述的基于人工智能的目标检测样本生成方法，其特征在于，所述对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图像，所述目标均衡图像与所述目标相似图像集一一对应，包括：

将所述目标相似图像集中各图像与目标图像的图像相似度作为所述目标相似图像集中各图像对应的相似度权重；

对所述目标相似图像集中的各图像对应的相似度权重进行归一化获得各图像对应的归一化相似度权重；

对所述目标相似图像集中的各图像和各图像对应的归一化相似度权重进行加权求和获得所述目标相似图像集的目标均衡图像。