[发明专利]图像数据筛选方法、装置、计算机设备和存储介质

权利要求书

1.一种图像数据筛选方法，其特征在于，所述方法包括：

获取多个训练图像、以及每一所述训练图像各自对应的标注结果；

针对每一所述训练图像，将所述训练图像输入视觉感知主干网络，通过所述视觉感知主干网络提取得到所述训练图像的图像特征；

当所述训练图像的类型为车道线图像时，将所述训练图像的图像特征输入车道线语义分割网络，通过所述车道线语义分割网络基于所述训练图像的图像特征进行车道线检测，得到二进制车道线图像；

将所述训练图像的图像特征输入车道线实例分割网络，通过所述车道线实例分割网络基于所述训练图像的图像特征进行车道线实例分割，得到车道线实例聚类图像；

融合所述二进制车道线图像和所述车道线实例聚类图像，得到检测结果；

根据所述检测结果和所述标注结果对所述训练图像进行图像数据评分，得到第一评分值；

利用所述多个训练图像以及每一所述训练图像各自对应的第一评分值对预设的深度神经网络进行训练，将训练好的深度神经网络作为数据评分网络；

当获取到待筛选图像时，将所述待筛选图像输入所述数据评分网络，通过所述数据评分网络对所述待筛选图像进行图像数据评分，得到第二评分值；所述第二评分值用于表征所述待筛选图像用于进行视觉感知任务识别的难易程度；

根据所述第二评分值对所述待筛选图像进行筛选。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当从所述待筛选图像中筛选确定存在类别标签为困难样本的待筛选图像时，利用所述类别标签为困难样本的所述待筛选图像对视觉感知神经网络进行迭代训练；所述视觉感知神经网络包括所述视觉感知主干网络、所述车道线语义分割网络和所述车道线实例分割网络。

3.根据权利要求1所述的方法，其特征在于，所述根据所述检测结果和所述标注结果对所述训练图像进行图像数据评分，得到第一评分值，包括：

根据所述检测结果和所述标注结果确定真阳性数据、假阳性数据以及假阴性数据；

基于所述真阳性数据、假阳性数据以及假阴性数据计算所述检测结果和所述标注结果的重叠度，得到第一评分值。

4.根据权利要求1所述的方法，其特征在于，所述将所述待筛选图像输入所述数据评分网络，通过所述数据评分网络对所述待筛选图像进行图像数据评分，得到第二评分值，包括：

将所述待筛选图像输入所述数据评分网络的主干网络，通过所述主干网络提取得到所述待筛选图像的图像特征；

将所述待筛选图像的图像特征输入所述数据评分网络的数据评分分支网络，通过所述数据评分分支网络对所述待筛选图像的图像特征进行全局池化和回归，输出第二评分值。

5.根据权利要求1所述的方法，其特征在于，所述根据所述第二评分值对所述待筛选图像进行筛选，包括：

获取预设的评分阈值；

将所述待筛选图像对应的所述第二评分值与所述评分阈值进行比较，确定所述待筛选图像的类别标签。