[发明专利]图像训练样本筛选和任务模型训练方法、装置及电子设备

权利要求书

1.一种图像训练样本筛选方法，其特征在于，所述方法包括：

获取待筛选图像集；

提取所述待筛选图像集中各图像的图像特征，并根据所述各图像的图像特征，确定所述各图像的类别；

根据所述各图像的类别，从每一类图像中选择预设数量的图像，作为推荐图像反馈至客户端，以使用户在所述客户端上对所述推荐图像进行人工标定；

获得人工标定后的各推荐图像，并根据所述各推荐图像的标定信息，计算所述各推荐图像的不确定性；

筛选所述各推荐图像中不确定性大于预设阈值的图像，作为图像训练样本。

2.根据权利要求1所述的方法，其特征在于，所述获取待筛选图像集的步骤，包括：

获取客户端上传的初始图像集；

对所述初始图像集中的各初始图像进行图像分析，得到所述各初始图像的分析结果；

根据所述各初始图像的分析结果，确定可丢弃的初始图像，并将所述可丢弃的初始图像的图像信息以提示消息的方式发送至所述客户端，以提示用户在所述客户端上选择是否丢弃所述可丢弃的初始图像；

获取所述客户端发送的选择结果；

若所述选择结果为丢弃所述可丢弃的初始图像，则确定所述初始图像集中除所述可丢弃的初始图像以外剩余的初始图像组成的图像集为待筛选图像集；

若所述选择结果为保留所述可丢弃的初始图像，则确定所述初始图像集为待筛选图像集；

若所述选择结果为丢弃部分所述可丢弃的初始图像，则确定所述初始图像集中除所述部分所述可丢弃的初始图像以外剩余的初始图像组成的图像集为待筛选图像集。

3.根据权利要求1所述的方法，其特征在于，所述提取所述待筛选图像集中各图像的图像特征的步骤，包括：

在接收到客户端发送的标定启动指令时，提取所述待筛选图像集中各图像的图像特征，其中，所述标定启动指令为用户在所述客户端上选择启动标定操作时产生。

4.根据权利要求1所述的方法，其特征在于，所述根据所述各图像的图像特征，确定所述各图像的类别的步骤，包括：

根据所述各图像的图像特征，基于预设的聚类算法，将图像特征相似的图像聚为一类，得到所述各图像的类别。

5.根据权利要求1所述的方法，其特征在于，所述获得人工标定后的各推荐图像的步骤，包括：

在接收到客户端发送的模型训练启动指令时，获取客户端发送的人工标定后的各推荐图像，其中，所述模型训练启动指令为用户在所述客户端上选择启动模型训练操作时产生。

6.根据权利要求1所述的方法，其特征在于，所述根据所述各推荐图像的标定信息，计算所述各推荐图像的不确定性的步骤，包括：

获取一个已训练的任务模型；

针对任一推荐图像，将该推荐图像输入所述已训练的任务模型，得到该推荐图像的预测信息；

针对任一推荐图像，计算该推荐图像的预测信息与标定信息的相似度，并根据相似度确定该推荐图像的不确定性。

7.根据权利要求1所述的方法，其特征在于，在所述筛选所述各推荐图像中不确定性大于预设阈值的图像，作为图像训练样本的步骤之后，所述方法还包括：

将所有图像训练样本划分为训练集和验证集，其中，所述训练集中的图像训练样本用于对任务模型进行训练，所述验证集中的图像训练样本用于对完成训练的任务模型进行验证。

8.一种任务模型训练方法，其特征在于，所述方法包括：

获取图像训练样本，其中，所述图像训练样本基于权利要求1-6中任一项所述的方法得到；

利用所述图像训练样本，对神经网络模型进行训练，得到训练后的任务模型，其中，所述神经网络模型为预先选择的可实现指定任务的神经网络模型。