[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

说明书

本申请提出一种基于人工智能的目标检测样本生成方法、装置、电子设备及存储介质，基于人工智能的目标检测样本生成方法包括：采集样本图像以获得优化样本图像集；对所述优化样本图像集进行分类获得分类图像集；分别计算目标分类图像集中的目标图像与其他图像之间的图像相似度获得目标相似图像集；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；对所述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。本申请能够通过少量的标注样本生成大量的样本图像，从而提高对新类别目标进行检测的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于人工智能的目标检测样本生成方法、装置、电子设备及存储介质。

背景技术

目标检测任务一直是计算机视觉领域的前沿研究热点，同时也是众多顶层视觉任务的基础。其主要目的是识别并用方框标注图像或视频内容中的目标物体。

目前基于深度学习的目标检测方法一般需要大量人工标注的数据进行训练，模型训练完成后会被部署于实际的检测应用中。然而，训练完成的模型只能用于在训练数据中存在的类别目标的检测，而不能自适应地检测训练阶段未见过的新类别目标。因此，如何仅通过少量的标注样本学习到新类别的特征，从而具备检测新类别目标的能力，提高目标检测的准确性是亟需解决的技术问题。

发明内容

鉴于以上内容，有必要提出一种基于人工智能的目标检测样本生成方法、装置、电子设备及存储介质，以解决如何提高目标检测结果的准确性这一技术问题。其中，相关设备包括基于人工智能的目标检测样本优化装置、电子设备及存储介质。

本申请提供一种基于人工智能的目标检测样本生成方法，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。

在一些实施例中，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。

在一些实施例中，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。