[发明专利]机器视觉的多机监管系统、方法及客户机、服务器、存储介质

权利要求书

1.一种机器视觉的监管系统，包括：至少一台客户机、至少一台监管装置和至少一台服务器；

所述监管装置用于采集监管内容，并将采集的监管内容传送给所述客户机；

所述客户机获取对所述监管内容的标注结果，形成标注文件上传至服务器；

其中，在标注过程中，通过用户手动标注或者机器标注，对所述监管内容的局部内容进行放大标注和/或分类标注；在进行分类标注时，同时显示出标注物体的面积；

其中，所述客户机利用人工智能的深度学习算法针对标注结果进行学习，并通过对抗生成网络GAN和检测模型阈值调整方法，生成初步检测模型；

利用生成的初步检测模型，并通过在线学习的方式收集与检测任务相关的训练数据，进行标注结果复查及数据训练；

所述服务器针对接收到的标注文件进行集中训练，将训练成的模型识别器和模型生成器分发至所述客户机；

其中，所述服务器汇总各个客户机上传的用户标注的标注结果，和/或汇总各个客户机上传的客户机自动标注的标注结果，得到学习数据，采用对抗生成网络生成的数据进行混合训练；

所述客户机基于接收到的模型识别器和模型生成器进行再学习，对所述监管装置进行监管。

2.如权利要求1所述的系统，其特征在于：所述监管内容的标注结果，包括：

用户对所述监管内容的标注结果和/或所述客户机对所述监管内容进行自动标注的标注结果。

3.一种机器视觉的多机监管方法，包括以下步骤：

采集监管内容，并将采集的监管内容传送给客户机；

所述客户机获取对所述监管内容的标注结果，形成标注文件上传至服务器，其中，在标注过程中，通过用户手动标注或者机器标注，对所述监管内容的局部内容进行放大标注和/或分类标注；在进行分类标注时，同时显示出标注物体的面积；

其中，所述客户机利用人工智能的深度学习算法针对标注结果进行学习，并通过对抗生成网络GAN和检测模型阈值调整方法，生成初步检测模型；

利用生成的初步检测模型，并通过在线学习的方式收集与检测任务相关的训练数据，进行标注结果复查及数据训练；

所述服务器针对接收到的标注文件进行集中训练，将训练成的模型识别器和模型生成器分发至所述客户机；其中，所述服务器汇总各个客户机上传的用户标注的标注结果，和/或汇总各个客户机上传的客户机自动标注的标注结果，得到学习数据，采用对抗生成网络生成的数据进行混合训练；

所述客户机基于接收到的模型识别器和模型生成器进行再学习，对所述监管内容进行监管。

4.一种客户机，所述客户机包括存储器和处理器，处理器通过调用存储在存储器上的程序或指令，以实现机器视觉的学习和监督，其中所述程序或指令用于实现以下流程：

接收监管装置采集的监管内容；

获取对所述监管内容的标注结果，形成标注文件上传至服务器；

其中，在标注过程中，通过用户手动标注或者机器标注，对所述监管内容的局部内容进行放大标注和/或分类标注；在进行分类标注时，同时显示出标注物体的面积；

其中，所述客户机利用人工智能的深度学习算法针对标注结果进行学习，并通过对抗生成网络GAN和检测模型阈值调整方法，生成初步检测模型；

利用生成的初步检测模型，并通过在线学习的方式收集与检测任务相关的训练数据，进行标注结果复查及数据训练；

接收服务器下发的模型识别器和模型生成器，并进行再学习，对所述监管内容进行监管。