[发明专利]一种目标检测系统的主动学习方法

权利要求书

1.一种目标检测系统的主动学习方法，其特征在于，所述方法包括：

获取本地预存储的样本训练集，所述样本训练集包括已标记样本集和未标记样本集；

根据所述已标记样本集对目标检测模型进行模型训练，并根据训练后的所述目标检测模型对所述未标记样本集进行样本预测，以得到预测结果；

根据所述预测结果和预设选择策略分别计算所述未标记样本集中每个未标记样本所携带的信息量，以得到多个样本信息量；

根据所述样本信息量对所述未标记样本进行排序，并根据排序结果以选取信息量最大的目标样本；

根据所述目标样本分别对所述已标记样本集和所述未标记样本集进行更新，并根据更新后的所述已标记样本集和所述未标记样本集重新依序执行所述目标检测模型的训练、针对所述未标记样本集的样本预测、针对每个所述未标记样本所携带的信息量的计算和针对所述目标样本的选取和标注，直至判断到更新后的所述已标记样本集满足停止条件时，停止针对所述目标检测模型的训练，所述预测结果中包括每个所述未标记样本中的候选目标的个数、每个所述候选目标对应所述样本训练集中各个分类类别的概率分布集合、每个所述候选目标的边界框的对应空间位置坐标集合，所述根据所述预测结果和预设选择策略分别计算所述未标记样本集中每个未标记样本所携带的信息量的步骤包括：

分别计算每个所述候选目标的信息熵，以得到信息熵值；

分别计算每个所述候选目标边界框的交并比，以得到交并比值；

根据所述交并比值和所述信息熵值以计算每个所述未标记样本所携带的信息量。

2.如权利要求1所述的目标检测系统的主动学习方法，其特征在于，所述根据所述交并比值和所述信息熵值以计算每个所述未标记样本所携带的信息量所采用的计算公式为：

或

或

或

其中，x_i为任一所述未标记样本，其所携带信息量值为Score(x_i)，其预测结果的候选目标的边界框集合为Ent(b)为所述信息熵值，IoU(b)为所述交并比值，α是IoU项的系数，x^*为选取的目标样本。

3.如权利要求1所述的目标检测系统的主动学习方法，其特征在于，所述计算每个所述候选目标的信息熵所采用的计算公式为：

其中，Ent(b)为所述候选目标b的所述信息熵值，C为所述样本训练集中所有分类类别的集合，为所述候选目标b对应分类类别c的概率值。

4.如权利要求1所述的目标检测系统的主动学习方法，其特征在于，所述根据所述目标样本分别对所述已标记样本集和所述未标记样本集进行更新的步骤包括：对所述目标样本进行标记；将标记后的所述目标样本加入所述已标记样本集，并在所述未标记样本集中删除所述目标样本。

5.如权利要求4所述的目标检测系统的主动学习方法，其特征在于，所述将标记后的所述目标样本加入所述已标记样本集的步骤之后，所述方法还包括：当判断到所述已标记样本集中的样本数量大于数量阈值时，判定所述已标记样本集满足所述停止条件。