[发明专利]一种图像标定模型的训练方法和装置

权利要求书

1.一种图像标定模型的训练方法，其特征在于，包括：

在当前的迭代处理中，图像标定模型对接收到的图像数据进行自动图像标定处理，得到自动标定图像数据和自动标定图像数据中各像素的预测输出；

评估模块根据自动标定图像中各像素的预测输出，对自动标定图像数据中多个区域的图像数据进行评估，确定各区域的输出评估值，包括：

根据一个区域中一个像素的预测输出和该像素的相邻像素的预测输出，确定该像素的输出评估值；及

根据该区域中的各像素的输出评估值，确定该区域的输出评估值；

在判断一个区域的输出评估值小于预定评估阈值的情况下，确定该区域为低确定性区域；

从自动标定图像数据中抽取出低确定性区域的数据，并将抽取出来的区域的数据发送给一个人工标定处理；

接收来自人工标定处理的人工标定图像数据，人工标定图像数据与抽取出来的区域相对应，将人工标定图像数据作为训练数据发送给图像标定模型；及

图像标定模型根据训练数据，对低确定性区域的图像数据进行再次训练，得到更新的图像标定模型，更新的图像标定模型用于下一次迭代处理。

2.根据权利要求1所述的方法，其特征在于，该预测输出包括：预测值或者预测方差。

3.根据权利要求2所述的方法，其特征在于，确定像素的输出评估值，包括：

对于一个像素，确定该像素的相邻像素的预测值均值；将该像素的预测值和该像素的相邻像素的预测值均值作为决策树的输入，确定该像素的输出评估值；或者，

对于一个像素，将该像素的预测方差和该像素的相邻像素的预测方差作为决策树的输入，确定该像素的输出评估值。

4.根据权利要求3所述的方法，其特征在于，确定像素的输出评估值，还包括：

该像素的相邻像素中不包括物体边缘像素。

5.根据权利要求2所述的方法，其特征在于，确定区域的输出评估值，包括：

根据一个区域中的像素的输出评估值使用启发式方法确定该区域的输出评估值；或者，

根据一个区域中的像素的输出评估值以及该区域的历史标定数据，使用基于学习的方法确定该区域的输出评估值。

6.根据权利要求5所述的方法，其特征在于，根据一个区域中的像素的输出评估值使用启发式方法确定该区域的输出评估值，包括：

将一个区域中的全部像素的输出评估值的均值确定为该区域的输出评估值；或者，

将一个区域中不包括物体边界像素的其它全部像素的输出评估值的均值确定为该区域的输出评估值；或者，

将一个区域中的全部像素的输出评估值的第三四分位数确定为该区域的输出评估值。

7.根据权利要求5所述的方法，其特征在于，根据一个区域中的像素的输出评估值以及该区域的历史标定数据，使用基于学习的方法确定该区域的输出评估值，包括：

根据一个区域中的像素的输出评估值以及该区域的历史标定数据，使用高斯函数或者朴素贝叶斯函数确定该区域的输出评估值。

8.根据权利要求1所述的方法，其特征在于，所述区域为预定区域、使用滑动窗口获得的区域或者是随机生成的区域。

9.根据权利要求1所述的方法，其特征在于，所述预定评估阈值是预先根据区域的大小尺寸预先确定的一个归一化值。

10.根据权利要求1所述的方法，其特征在于，自动图像标定处理包括语义分割处理，自动标定图像数据包括语义标签图像数据。