[发明专利]样本筛选方法、装置和计算机设备

权利要求书

1.一种样本筛选方法，其特征在于，包括：

将所有待筛选样本输入Yolov3神经网络模型；

获取预先得到的每个所述待筛选样本分别对应的人工标注框数据，获取所述Yolov3神经网络模型识别每个所述待筛选样本分别得到的计算机标注框数据，其中，所述人工标注框数据是指人工利用标注工具进行标注后，生成的xml文件；

根据每个所述待筛选样本分别对应的所述计算机标注框数据和人工标注框数据，计算每个所述待筛选样本对应的平均精准度；

比较各所述待筛选样本分别对应的平均精准度与第一预设值的大小关系；

将平均精准度大于第一预设值的待筛选样本划分为正常样本。

2.根据权利要求1所述的样本筛选方法，其特征在于，所述根据每个所述待筛选样本分别对应的所述计算机标注框数据和人工标注框数据，计算每个所述待筛选样本对应的平均精准度的步骤，包括：

获取指定样本对应的第一数组的左上角的第一坐标数据和右下角的第二坐标数据，以及所述指定样本对应的第二数组的左上角的第三坐标数据和右下角的第四坐标数据，其中，所述指定样本为所有所述待筛选样本中的任意一个，所述坐标数据包括横坐标数据和纵坐标数据，所述第一数组为所述指定样本的计算机标注框数据，所述第二数组为所述指定样本的人工标注框数据；

根据所述第一坐标数据和所述第三坐标数据的比较数据，以及所述第二坐标数据和所述第四坐标数据的比较数据，得到所述指定样本的计算机标注框数据与所述指定样本的人工标注框数据的交集，以及所述指定样本的计算机标注框数据与所述指定样本的人工标注框数据的并集；

根据公式Iou＝交集/并集，计算所述指定样本的平均精准度；

根据所述指定样本的平均精准度的计算过程，分别计算每个所述待筛选样本分别对应的平均精准度。

3.根据权利要求1所述的样本筛选方法，其特征在于，所述将平均精准度大于第一预设值的待筛选样本划分为正常样本的步骤之后，包括：

判断所述正常样本的数量是否小于预设样本数量；

若是，则从所述正常样本中筛选出满足预设条件的优质样本；

通过对所述优质样本进行数据加强的方式增多样本数量，增多样本数量后，正常样本的数量大于所述预设样本数量。

4.根据权利要求3所述的样本筛选方法，其特征在于，从所述正常样本中筛选出满足预设条件的优质样本的步骤，包括：

获取所有所述待筛选样本分别对应的平均精准度组成的数据分布图；

从所述数据分布图中，计算所述正常样本占比所有所述待筛选样本的指定比率；

根据所述指定比率确定优质样本对应的最低平均精准度值；

根据所述最低平均精准度值确定优质样本。

5.根据权利要求3所述的样本筛选方法，其特征在于，通过对所述优质样本进行数据加强的方式增多样本数量，增多样本数量后，正常样本的数量大于所述预设样本数量的步骤，包括：

判断待数据加强的第一优质样本的数据特征是否包括显示状态信息，其中，所述显示状态信息包括正立显示或禁止翻转，所述第一优质样本为所有优质样本中的任意一个；

若是，则选择小角度偏移或者水平镜像的方式进行数据加强；

若否，则选择数据增强耗时最少的指定增强方式进行数据加强，其中，所述指定增强方式包括水平翻转、垂直翻转、镜像或小角度偏移中的任一种。

6.根据权利要求3所述的样本筛选方法，其特征在于，从所述正常样本中筛选出满足预设条件的优质样本的步骤，包括：

获取样本筛选对应的任务目标；

根据所述任务目标确定筛选所述优质样本对应的第二预设值；

将平均精准度值大于所述第二预设值的正常样本，确定为优质样本。