[发明专利]一种基于边框回归的数据标注校正方法

说明书

一种基于边框回归的数据标注校正方法，包括如下步骤：将数据根据首次标注过程中的难易程度和对标注结果的置信度，分为gold标注和hard标注的两批样本数据；使用焦点损失函数改进目标检测算法YOLO V5，再使用gold标注的样本数据进行训练，待训练模型训练稳定后，每隔固定迭代次数保存m个训练模型；将保存的m个训练模型在hard标注的样本数据上进行推理，根据推理结果形成的所有图片进行离线保存；针对每一张图片将m个训练模型所有的推理结果进行汇总，对所有的边框进行聚类，聚类的簇数目设置为当前图片上真实目标的个数；统计边框数量对同簇内所有边框的四个边界点进行一般分布建模；根据建模结果校正边框的位置。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于边框回归的数据标注校正方法。

背景技术

当前以深度学习为核心的人工智能技术在工业视觉、自然语言处理、自动驾驶等领域取得突破性的进展。其中，在工业质检领域，卷积神经网络对缺陷分类的精度已经超过人眼，对缺陷的识别速度更是远超人类，准确率和检测效率的大幅提升使得以深度学习为关键技术的工业检测方案和设备进入产业化阶段。

深度学习是大数据时代的算法利器，有着传统机器学习难以超越的算法表现，但是深度学习对训练数据的依赖量是巨大的。在实际的工业场景中，高质量数据获取的难度较大，同时数据标注的时间和人力成本较高。而且对于一些困难样本，不同的标注人员的主观意识不同，对于困难样本的标注一致性很难得到保证。

对于深度学习来说，数据标注的一致性，会直接影响模型训练的过程，不一致的数据标注，常常会导致训练后模型推理的不稳定性，加大算法模型调优的难度。可以说，数据标注是人工智能行业的基石，数据对于模型性能的贡献是最大的，数据越多越丰富、代表性越强、模型效果越好，深度学习模型的健壮性和鲁棒性就越强。

根据以上分析，在深度学习的数据标注领域，仍存在以下问题：1、数据标注和校正工作量巨大，效率低；2、困难样本的标注难度高，标注人员主观意识的差异会导致标注的不一致性；3、困难样本的低质量标注对算法训练带来负面影响。

鉴于以上所述，实有必要提供一种新型的基于边框回归的数据标注校正方法以克服上述缺陷。

发明内容

本发明的目的是提供一种基于边框回归的数据标注校正方法，能够实现对目标的边框位置分布更精确的建模，节省大量人工的标注时间，且可以保证标注结果的高度一致性；在提升数据标注质量和数据分布多样性的同时，极大提高深度学习模型的鲁棒性和泛化性。

为了实现上述目的，本发明提供一种基于边框回归的数据标注校正方法，包括如下步骤：

S1：将数据根据首次标注过程中的难易程度和对标注结果的置信度，分为gold标注和hard标注的两批样本数据；

S2：使用焦点损失函数改进目标检测算法YOLO V5，再使用gold标注的样本数据进行训练，待训练模型训练稳定后，每隔固定迭代次数保存m个训练模型，其中m为大于10的整数；

S3：将保存的m个训练模型在hard标注的样本数据上进行推理，根据推理结果形成的所有图片进行离线保存；

S4：针对每一张图片将m个训练模型所有的推理结果进行汇总，对所有的边框进行聚类，聚类的簇数目设置为当前图片上真实目标的个数；

S5：统计每簇内的边框数量，若边框数量＜m/2，则认为预测结果置信度低，保持人工的方式进行标注；若边框数量≥m/2，则认为预测结果置信度高，则进入S6；

S6：对S5中同簇内所有边框的上下左右四个边界点进行一般分布建模；

S7：根据S6中的建模结果，校正边框的位置。

优选的，S21：焦点损失函数包含QFL和DFL，分别如公式（1）和（2）所得；

（1）；