CN114926713A - 样本图像数据生成方法、模型的训练方法和装置 - Google Patents
样本图像数据生成方法、模型的训练方法和装置 Download PDFInfo
- Publication number
- CN114926713A CN114926713A CN202210659118.XA CN202210659118A CN114926713A CN 114926713 A CN114926713 A CN 114926713A CN 202210659118 A CN202210659118 A CN 202210659118A CN 114926713 A CN114926713 A CN 114926713A
- Authority
- CN
- China
- Prior art keywords
- whole
- body images
- images
- face
- image data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000012549 training Methods 0.000 title claims abstract description 43
- 238000013136 deep learning model Methods 0.000 claims abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 239000013598 vector Substances 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000002372 labelling Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种样本图像数据生成方法和装置、一种深度学习模型的训练方法和装置、一种目标对象检测方法和装置、电子设备、存储介质和计算机程序产品，涉及人工智能领域，尤其涉及目标识别和深度学习技术领域，可用于智慧城市、智能安防和智能云场景等。具体实现方案为：根据多个原始图像，得到多个原始图像中的多个面部图像、多个全身图像以及多个面部图像和多个全身图像之间的对应关系；对多个面部图像的特征向量进行聚类，得到多个面部类别簇；以及根据多个全身图像、对应关系以及多个面部类别簇，得到多个全身图像各自的标签信息。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及目标识别和深度学习技术领域。具体涉及一种样本图像数据生成方法和装置、一种深度学习模型的训练方法和装置、一种目标对象检测方法和装置、电子设备、存储介质和计算机程序产品。
背景技术
随着深度学习技术的飞速发展，深度学习的方法被广泛应用于目标识别、图像分类和行人重识别等多个计算机视觉领域。基于深度学习原理的目标检测及其识别技术依赖大量高质量的标注数据。因此，标注数据的获取是目标检测及其识别技术研究和应用的重要基础。
发明内容
本公开提供了一种样本图像数据生成方法和装置、一种深度学习模型的训练方法和装置、一种目标对象检测方法和装置、电子设备、存储介质和计算机程序产品。
根据本公开的一个方面，提供了一种样本图像数据生成方法，包括：根据多个原始图像，得到多个原始图像中的多个面部图像、多个全身图像以及多个面部图像和多个全身图像之间的对应关系；对多个面部图像的特征向量进行聚类，得到多个面部类别簇；以及根据多个全身图像、对应关系以及多个面部类别簇，得到多个全身图像各自的标签信息。
根据本公开的另一方面，提供了一种深度学习模型的训练方法，包括：获取样本图像数据；将样本图像数据输入深度学习模型，得到样本图像数据的检测结果；以及根据检测结果与样本图像数据的标签信息之间的差异值，对深度学习模型进行训练；其中，样本图像数据是利用以上所述的样本图像数据生成方法生成的。
根据本公开的另一方面，提供了一种目标对象检测方法，包括：将待处理图像输入深度学习模型，得到待处理图像中目标对象的检测结果；其中，深度学习模型是利用以上所述的深度学习模型的训练方法训练得到的。
根据本公开的另一方面，提供了一种样本图像数据生成装置，包括：第一获取模块，用于根据多个原始图像，得到多个原始图像中的多个面部图像、多个全身图像以及多个面部图像和多个全身图像之间的对应关系；聚类模块，用于对多个面部图像的特征向量进行聚类，得到多个面部类别簇；以及标注模块，用于根据多个全身图像、对应关系以及多个面部类别簇，得到多个全身图像各自的标签信息。
根据本公开的另一方面，提供了一种深度学习模型的训练装置，包括：第二获取模块，用于获取样本图像数据；检测模块，用于将样本图像数据输入深度学习模型，得到样本图像数据的检测结果；以及训练模块，用于根据检测结果与样本图像数据的标签信息之间的差异值，对深度学习模型进行训练；其中，样本图像数据是利用以上所述的样本图像数据生成装置生成的。
根据本公开的另一方面，提供了一种目标对象检测装置，该装置包括：目标检测模块，用于将待处理图像输入深度学习模型，得到待处理图像中目标对象的检测结果；其中，深度学习模型是利用以上所述的深度学习模型的训练装置训练得到的。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开的实施例的可以应用样本图像数据生成方法、深度学习模型的训练方法、目标对象检测方法和装置的示例性系统架构示意图；
图2是根据本公开的实施例的样本图像数据生成方法的流程图；
图3是根据本公开的实施例的样本图像数据生成方法的示意图；
图4是根据本公开的实施例的深度学习模型的训练方法的流程图；
图5是根据本公开的实施例的目标对象检测方法的流程图；
图6是根据本公开的实施例的样本图像数据生成装置的框图；
图7是根据本公开的实施例的深度学习模型的训练装置的框图；
图8是根据本公开的实施例的目标对象检测装置的框图；以及
图9是用来实现本公开的实施例的样本图像数据生成方法、深度学习模型的训练方法以及目标对象检测方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
随着深度学习技术的飞速发展，深度学习的方法被广泛应用于目标识别、图像分类和行人重识别等多个计算机视觉领域。基于深度学习原理的目标检测及其识别技术依赖大量的标注数据。因此，标注数据的获取是目标检测及其识别技术研究和应用的重要基础。
尤其针对行人重识别技术这一研究方向。行人重识别技术(Person Re-identification)是利用计算机视觉技术在跨摄像头跨场景下判断图像或者视频序列中是否存在特定目标对象的技术。行人重识别技术可以弥补固定的摄像头的视觉局限，可广泛应用于智能安防和智慧城市等场景。然而，由于不同的摄像机具有各自的参数，而且受背景、光照、朝向和遮挡物等影响，导致视频图像的质量参差不齐。因而，行人重识别技术对于标注数据的质量要求更高。
数据标注方法可以通过预训练的目标检测模型来进行标注，或者采用人工进行标注。然而，由于不同监控场景下视频图像受背景、光照、朝向和遮挡物等影响较大，因而采用模型进行数据标注的方式往往在限定的时空范围内才能获得令人满意的效果。而采用人工标注的方式不仅效率低下，而且容易出错。
图1是根据本公开实施例的可以应用样本图像数据生成方法、深度学习模型的训练方法、目标对象检测方法和装置的示例性系统架构示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用。例如，知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的样本图像数据生成方法一般可以由服务器105执行。相应地，本公开实施例所提供的样本图像数据生成装置一般可以设置于服务器105中。本公开实施例所提供的样本图像数据生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的样本图像数据生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
需要说明的是，本公开实施例所提供的深度学习模型的训练方法一般可以由服务器105执行。相应地，本公开实施例所提供的深度学习模型的训练装置一般可以设置于服务器105中。本公开实施例所提供的深度学习模型的训练方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的深度学习模型的训练装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
需要说明的是，本公开实施例所提供的目标对象检测方法一般可以由服务器105执行。相应地，本公开实施例所提供的目标对象检测装置一般可以设置于服务器105中。本公开实施例所提供的目标对象检测方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的目标对象检测装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
备选地，本公开实施例所提供的目标对象检测方法一般也可以由终端设备101、102、或103执行。相应地，本公开实施例所提供的目标对象检测装置也可以设置于终端设备101、102、或103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
应注意，以下方法中各个操作的序号仅作为该操作的表示以便描述，而不应被看作表示该各个操作的执行顺序。除非明确指出，否则该方法不需要完全按照所示顺序来执行。
图2是根据本公开的实施例的样本图像数据生成方法的流程图。
如图2所示，样本图像数据生成方法200可以包括操作S210～S230。
在操作S210，根据多个原始图像，得到多个原始图像中的多个面部图像、多个全身图像以及多个面部图像和多个全身图像之间的对应关系。
在操作S220，对多个面部图像的特征向量进行聚类，得到多个面部类别簇。
在操作S230，根据多个全身图像、对应关系以及多个面部类别簇，得到多个全身图像各自的标签信息。
根据本公开的实施例，原始图像例如可以是通过任意一种或多种图像采集装置采集而得到的视频流中的任意一帧或多帧图像，或者可以采用其他方式获取，本公开对此不做限定。原始图像可以包括一个或多个目标对象。这里所谓目标对象例如可以是指各种各样的物体，例如行人、车辆或者其他对象，具体不做限定。
根据本公开的实施例，将多个原始图像输入深度学习模型中，可以得到多个原始图像中的多个面部图像、多个全身图像以及多个面部图像和多个全身图像之间的对应关系。可以理解，以上所述深度学习模型可以是任意一个用于目标检测的深度学习模型，例如但不限于YOLO(You Only Look Once)系列、R-CNN(Regions with CNN Features)系列和SSD(Single Shot MultiBox Detector，单次检测器)模型等，具体可以根据实际应用场景进行选择。
根据本公开的实施例，多个面部图像和多个全身图像之间的对应关系可以是指至少一个面部图像与至少一个全身图像之间的对应关系。基于多个面部图像和多个全身图像之间的对应关系可以将属于同一目标对象的面部图像和全身图像关联起来。
在本公开实施例中，从多个原始图像中获取的多个全身图像可以作为待标注的样本图像数据。由于不同的图像采集装置具有各自的参数，而且受背景、光照、朝向和遮挡物等影响，原始图像的质量可能参差不齐，这会影响待标注的样本图像数据的高质量获取。
为了提高待标注的样本图像数据的质量，可以采用面部图像作为辅助判断依据，通过利用多个面部图像和多个全身图像之间的对应关系来查找同一目标对象的多个全身图像，以作为同一目标对象的待标注的样本图像数据集。由此，能够实现待标注的样本图像数据高质量获取，从而提高样本图像数据标注的准确性和质量。
基于上述机制，在一些实施例中，可以将多个面部图像与多个全身图像进行匹配。若某个面部图像未找到与之相匹配的全身图像，则去除该面部图像。
根据本公开的实施例，获取多个面部图像，然后可以对多个面部图像执行特征提取操作，得到多个面部图像的特征向量。然后，通过对多个面部图像的特征向量进行聚类，得到多个面部类别簇。多个面部类别簇中的每一个包括同一目标对象的N个面部图像，N为大于等于1的整数。
根据本公开的实施例，对多个面部图像的特征向量进行聚类可以采用划分式聚类方法、基于密度的聚类方法或者层次化聚类方法中的任意一种或多种聚类算法来实现，具体可以根据实际情况选择，在此不做限定。在一个示例中，例如可以采用DBSCAN(DensityBased Spatial Cluster of Application with Noise)算法对多个面部图像的特征向量进行聚类。DBSCAN算法是一种基于密度的聚类算法。该算法可以将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。
根据本公开实施例，根据多个全身图像、对应关系以及多个面部类别簇，得到多个全身图像各自的标签信息可以包括以下操作。
针对每个面部类别簇，根据对应关系，确定面部类别簇中N个面部图像所对应的N个全身图像；根据N个全身图像的第一特征向量从多个全身图像中确定与N个全身图像相匹配的M个全身图像，M为大于等于1的整数；以及对N个全身图像与M个全身图像添加标签信息。
在本公开实施例中，针对N个全身图像中的每一个(以下称目标全身图像)，对该目标全身图像执行特征提取，得到该目标全身图像的第一特征向量。可以以该目标全身图像的第一特征向量作为查询对象，从多个全身图像中确定与该目标全身图像相匹配的至少一个全身图像，从而获取更多的与该目标全身图像相匹配的全身图像。这里所谓的与目标全身图像相匹配的全身图像是指多个全身图像中与该目标全身图像相似度较高的全身图像。基于上述操作，针对该面部类别簇中的N个全身图像，可以从多个全身图像中确定与该N个全身图像相匹配的M个全身图像。由此，可以将多个全身图像中与该面部类别簇内的N个全身图像相似度较高的所有全身图像提取到该面部类别簇，从而扩大该面部类别簇中全身图像的数量。可以理解，扩充后的每个面部类别簇中，所有全身图像可以视为同一目标对象的全身图像，因此，后续可以以此作为待标注的样本图像数据集进行数据标注。
根据本公开的实施例，在一个示例中，根据N个全身图像的第一特征向量从多个全身图像中确定与N个全身图像相匹配的M个全身图像可以采用以下方式实现：分别确定N个全身图像的第一特征向量与多个全身图像的第二特征向量之间的相似度；以及在相似度大于等于预定阈值的情况下，根据相似度的大小顺序，执行从多个全身图像中确定与N个全身图像相匹配的M个全身图像的操作。
根据本公开的实施例，可以采用例如欧氏距离或者余弦距离来衡量第一特征向量和第二特征向量之间的相似度，但本公开不局限于此。
在本公开实施例中，针对每个目标全身图像，确定该目标全身图像的第一特征向量与多个全身图像中的每个全身图像的第二特征向量之间的相似度。若第一特征向量和第二特征向量之间的相似度大于等于预定阈值，说明目标全身图像与查询的结果有较大的可能是同一目标对象。此时，可以根据相似度的大小顺序从查询结果中选择至少一个全身图像，并将这至少一个全身图像合并至面部类别簇中。
在一些实施例中，在扩充面部类别簇中的全身图像数量之后，为了避免每个面部类别簇中存在重复的全身图像，可以在对N个全身图像与M个全身图像添加标签信息之前，对扩充后的面部类别簇进行重复性检测。响应于检测到N个全身图像与M个全身图像中存在重复的全身图像，对N个全身图像与M个全身图像执行去重处理。
在本公开的实施例中，通过利用面部图像与全身图像相结合的方式来生成样本图像数据，以简单、高效的方式提高了数据标注的准确性，从而获得高质量的样本图像数据。
图3是根据本公开的实施例的样本图像数据生成方法的示意图。以下将参考图3对本公开的方案进行说明。
如图3所示，可以将多个原始图像301输入深度学习模型中，得到多个原始图像301中的多个面部图像302、多个全身图像304以及多个面部图像和多个全身图像之间的对应关系303。
对多个面部图像302执行特征提取操作，得到多个面部图像302的特征向量。对多个面部图像302的特征向量进行聚类，得到多个面部类别簇305。
针对每个面部类别簇，根据多个面部图像和多个全身图像之间的对应关系303，确定该面部类别簇中N个面部图像所对应的N个全身图像306。对该面部类别簇中的N个全身图像306执行特征提取，得到该面部类别簇中的N个全身图像306的第一特征向量。根据该面部类别簇中的N个全身图像306的第一特征向量，从多个全身图像304中确定与该N个全身图像306相匹配的M个全身图像，从而扩充该面部类别簇。其中，扩充后的面部类别簇307中包括N个全身图像以及与该N个全身图像相匹配的M个全身图像。对该扩充后的面部类别簇307中的N个全身图像与M个全身图像添加标签信息，得到样本图像数据308。
在一些实施例中，在对N个全身图像与M个全身图像添加标签信息之前，可以对扩充后的面部类别簇进行重复性检测。若检测到N个全身图像与M个全身图像中存在重复的全身图像，对N个全身图像与M个全身图像执行去重处理。
在本公开的实施例中，通过利用面部图像与全身图像相结合的方式来生成样本图像数据，以简单、高效的方式提高了数据标注的准确性，从而获得高质量的样本图像数据。
图4是根据本公开的实施例的深度学习模型的训练方法的流程图。
如图4所示，深度学习模型的训练方法400包括操作S410～S430。
在操作S410，获取样本图像数据。
根据本公开的实施例，样本图像数据是利用以上实施例中任一项所述的样本图像数据生成方法生成的。
在操作S420，将样本图像数据输入深度学习模型，得到样本图像数据的检测结果。
根据本公开的实施例，深度学习模型例如可以是任意一个用于目标检测的深度学习模型，例如但不限于YOLO系列、R-CNN系列和SSD模型等，具体可以根据实际应用场景进行设置。
在操作S430，根据检测结果与样本图像数据的标签信息之间的差异值，对深度学习模型进行训练。
在本公开实施例中，通过采用高质量的样本图像数据来训练深度学习模型，从而使得模型能够获得更好的效果，提高了模型输出的准确性。
图5是根据本公开的实施例的目标对象检测方法的流程图。
如图5所示，目标对象检测方法500包括操作S510～S520。
在操作S510，获取待处理图像和深度学习模型。
在本公开实施例中，深度学习模型是利用以上实施例中所述的深度学习模型的训练方法训练得到的。
待处理图像可以是通过任意一种相机采集而得到的视频流中的任意一帧或多帧图像，或者可以采用其他方式获取，本公开对此不做限定。
待检测图像可以包括一个或多个目标对象。目标对象例如可以是指各种各样的物体，例如行人、车辆或者其他对象，这里不做限定。
在操作S520，将待处理图像输入深度学习模型，得到待处理图像中目标对象的检测结果。
根据本公开的实施例，目标对象的检测结果指示了待处理图像中目标对象所属的类别信息和位置信息。由此，可以实现对待检测图像中目标对象的准确检测。
在本公开实施例的方案中，通过利用以上方式训练得到的深度学习模型来检测待处理图像，可以提高模型输出结果的准确性。
图6是根据本公开的实施例的样本图像数据生成装置的框图。
如图6所示，样本图像数据生成装置600包括第一获取模块610、聚类模块620和标注模块630。
第一获取模块610用于根据多个原始图像，得到多个原始图像中的多个面部图像、多个全身图像以及多个面部图像和多个全身图像之间的对应关系。
聚类模块620用于对多个面部图像的特征向量进行聚类，得到多个面部类别簇。以及
标注模块630用于根据多个全身图像、对应关系以及多个面部类别簇，得到多个全身图像各自的标签信息。
根据本公开的实施例，每个面部类别簇包括同一对象的N个面部图像，N为大于等于1的整数；标注模块包括确定单元、匹配单元和添加单元。确定单元用于根据对应关系，确定面部类别簇中N个面部图像所对应的N个全身图像；匹配单元用于根据N个全身图像的第一特征向量从多个全身图像中确定与N个全身图像相匹配的M个全身图像；M为大于等于1的整数；以及添加单元用于对N个全身图像与M个全身图像添加标签信息。
根据本公开的实施例，匹配单元包括计算子单元和确定子单元。计算子单元用于分别确定N个全身图像的第一特征向量与多个全身图像的第二特征向量之间的相似度；以及确定子单元用于在相似度大于等于预定阈值的情况下，根据相似度的大小顺序，执行从多个全身图像中确定与N个全身图像相匹配的M个全身图像的操作。
根据本公开的实施例，上述装置600还包括去除模块。去除模块用于在对N个全身图像与M个全身图像添加标签信息之前，响应于检测到N个全身图像与M个全身图像中存在重复的全身图像，对N个全身图像与M个全身图像执行去重处理。
图7是根据本公开的实施例的深度学习模型的训练装置的框图。
如图7所示，深度学习模型的训练装置700包括第二获取模块710、检测模块720和训练模块730。
第二获取模块710用于获取样本图像数据。
根据本公开的实施例，样本图像数据是利用以上实施例中任一项的样本图像数据生成装置生成的。
检测模块720用于将样本图像数据输入深度学习模型，得到样本图像数据的检测结果。
训练模块730用于根据检测结果与样本图像数据的标签信息之间的差异值，对深度学习模型进行训练。
图8是根据本公开的实施例的目标对象检测装置的框图。
如图8所示，目标对象检测装置800包括第三获取模块810和目标检测模块820。
第三获取模块810用于获取待处理图像和深度学习模型。
深度学习模型是利用以上实施例中的深度学习模型的训练装置训练得到的。
目标检测模块820用于将待处理图像输入深度学习模型，得到待处理图像中目标对象的检测结果。
需要说明的是，装置部分实施例中各模块/单元/子单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似，在此不再赘述。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例，一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例的方法。
根据本公开的实施例，一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开实施例的方法。
根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开实施例的方法。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如样本图像数据生成方法、深度学习模型的训练方法以及目标对象检测方法。例如，在一些实施例中，样本图像数据生成方法、深度学习模型的训练方法以及目标对象检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的样本图像数据生成方法、深度学习模型的训练方法以及目标对象检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行样本图像数据生成方法、深度学习模型的训练方法以及目标对象检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (15)
1.一种样本图像数据生成方法，包括：
根据多个原始图像，得到所述多个原始图像中的多个面部图像、多个全身图像以及多个面部图像和多个全身图像之间的对应关系；
对所述多个面部图像的特征向量进行聚类，得到多个面部类别簇；以及
根据所述多个全身图像、所述对应关系以及所述多个面部类别簇，得到所述多个全身图像各自的标签信息。
2.根据权利要求1所述的方法，其中，每个所述面部类别簇包括同一对象的N个面部图像，N为大于等于1的整数；所述根据所述多个全身图像、所述对应关系以及所述多个面部类别簇，得到所述多个全身图像各自的标签信息包括：针对每个所述面部类别簇，
根据所述对应关系，确定所述面部类别簇中N个面部图像所对应的N个全身图像；
根据所述N个全身图像的第一特征向量从所述多个全身图像中确定与所述N个全身图像相匹配的M个全身图像；M为大于等于1的整数；以及
对所述N个全身图像与所述M个全身图像添加标签信息。
3.根据权利要求2所述的方法，其中，所述根据所述N个全身图像的第一特征向量从所述多个全身图像中确定与所述N个全身图像相匹配的M个全身图像包括：
分别确定所述N个全身图像的第一特征向量与所述多个全身图像的第二特征向量之间的相似度；以及
在所述相似度大于等于预定阈值的情况下，根据所述相似度的大小顺序，执行从所述多个全身图像中确定与所述N个全身图像相匹配的M个全身图像的操作。
4.根据权利要求2所述的方法，还包括：
在对所述N个全身图像与所述M个全身图像添加标签信息之前，响应于检测到所述N个全身图像与所述M个全身图像中存在重复的全身图像，对所述N个全身图像与所述M个全身图像执行去重处理。
5.一种深度学习模型的训练方法，包括：
获取样本图像数据；
将所述样本图像数据输入所述深度学习模型，得到所述样本图像数据的检测结果；以及
根据所述检测结果与所述样本图像数据的标签信息之间的差异值，对所述深度学习模型进行训练；
其中，所述样本图像数据是利用权利要求1～4中任一项所述的方法生成的。
6.一种目标对象检测方法，包括：
将待处理图像输入深度学习模型，得到所述待处理图像中目标对象的检测结果；
其中，所述深度学习模型是利用权利要求5所述的方法训练得到的。
7.一种样本图像数据生成装置，包括：
第一获取模块，用于根据多个原始图像，得到所述多个原始图像中的多个面部图像、多个全身图像以及多个面部图像和多个全身图像之间的对应关系；
聚类模块，用于对所述多个面部图像的特征向量进行聚类，得到多个面部类别簇；以及
标注模块，用于根据所述多个全身图像、所述对应关系以及所述多个面部类别簇，得到所述多个全身图像各自的标签信息。
8.根据权利要求7所述的装置，其中，每个所述面部类别簇包括同一对象的N个面部图像，N为大于等于1的整数；所述标注模块包括：
确定单元，用于根据所述对应关系，确定所述面部类别簇中N个面部图像所对应的N个全身图像；
匹配单元，用于根据所述N个全身图像的第一特征向量从所述多个全身图像中确定与所述N个全身图像相匹配的M个全身图像；M为大于等于1的整数；以及
添加单元，用于对所述N个全身图像与所述M个全身图像添加标签信息。
9.根据权利要求8所述的装置，其中，所述匹配单元包括：
计算子单元，用于分别确定所述N个全身图像的第一特征向量与所述多个全身图像的第二特征向量之间的相似度；以及
确定子单元，用于在所述相似度大于等于预定阈值的情况下，根据所述相似度的大小顺序，执行从所述多个全身图像中确定与所述N个全身图像相匹配的M个全身图像的操作。
10.根据权利要求8所述的装置，所述装置还包括：
去除模块，用于在对所述N个全身图像与所述M个全身图像添加标签信息之前，响应于检测到所述N个全身图像与所述M个全身图像中存在重复的全身图像，对所述N个全身图像与所述M个全身图像执行去重处理。
11.一种深度学习模型的训练装置，包括：
第二获取模块，用于获取样本图像数据；
检测模块，用于将所述样本图像数据输入所述深度学习模型，得到所述样本图像数据的检测结果；以及
训练模块，用于根据所述检测结果与所述样本图像数据的标签信息之间的差异值，对所述深度学习模型进行训练；
其中，所述样本图像数据是利用权利要求7～10中任一项所述的装置生成的。
12.一种目标对象检测装置，包括：
目标检测模块，用于将待处理图像输入深度学习模型，得到所述待处理图像中目标对象的检测结果；
其中，所述深度学习模型是利用权利要求11所述的装置训练得到的。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1～6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1～6中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1～6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210659118.XA CN114926713A (zh) | 2022-06-10 | 2022-06-10 | 样本图像数据生成方法、模型的训练方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210659118.XA CN114926713A (zh) | 2022-06-10 | 2022-06-10 | 样本图像数据生成方法、模型的训练方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114926713A true CN114926713A (zh) | 2022-08-19 |
Family
ID=82814809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210659118.XA Pending CN114926713A (zh) | 2022-06-10 | 2022-06-10 | 样本图像数据生成方法、模型的训练方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114926713A (zh) |
-
2022
- 2022-06-10 CN CN202210659118.XA patent/CN114926713A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10891465B2 (en) | Methods and apparatuses for searching for target person, devices, and media | |
| CN113255694B (zh) | 训练图像特征提取模型和提取图像特征的方法、装置 | |
| JP7393472B2 (ja) | 陳列シーン認識方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
| CN112860993B (zh) | 兴趣点的分类方法、装置、设备、存储介质及程序产品 | |
| CN113780098A (zh) | 文字识别方法、装置、电子设备以及存储介质 | |
| CN110349158A (zh) | 一种处理点云数据的方法和装置 | |
| CN107291774B (zh) | 错误样本识别方法和装置 | |
| CN114898266B (zh) | 训练方法、图像处理方法、装置、电子设备以及存储介质 | |
| CN114692778B (zh) | 用于智能巡检的多模态样本集生成方法、训练方法及装置 | |
| CN111160410A (zh) | 一种物体检测方法和装置 | |
| CN113657249B (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
| CN112784102B (zh) | 视频检索方法、装置和电子设备 | |
| CN113947701A (zh) | 训练方法、对象识别方法、装置、电子设备以及存储介质 | |
| CN113902899A (zh) | 训练方法、目标检测方法、装置、电子设备以及存储介质 | |
| CN115482436B (zh) | 图像筛选模型的训练方法、装置以及图像筛选方法 | |
| CN114299539B (zh) | 一种模型训练方法、行人重识别方法和装置 | |
| CN113920306B (zh) | 目标再识别方法、装置及电子设备 | |
| CN114782771A (zh) | 训练方法、图像检索方法、图像处理方法、装置及设备 | |
| CN115527069A (zh) | 物品识别和物品识别系统构建方法及装置 | |
| CN114882334A (zh) | 用于生成预训练模型的方法、模型训练方法及装置 | |
| CN114973333A (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
| CN114724144A (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
| CN114120410A (zh) | 用于生成标签信息的方法、装置、设备、介质和产品 | |
| CN114926713A (zh) | 样本图像数据生成方法、模型的训练方法和装置 | |
| CN114461837A (zh) | 一种图像处理方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |