[发明专利]样本生成、神经网络的训练、数据处理方法及装置

说明书

本公开提供了一种样本生成、神经网络的训练、数据处理方法及装置，其中，该样本生成方法包括：获取样本图像、以及所述样本图像中待检测对象对应的标注框；基于所述标注框，从所述样本图像中确定属于所述待检测对象的备选像素点、以及与所述标注框对应的待检测对象的中心像素点；利用所述备选像素点与所述待检测对象的中心像素点之间的第一距离，从所述备选像素点中，确定属于所述待检测对象的目标像素点；基于所述目标像素点在所述样本图像中的位置，生成所述样本图像的标注信息。本公开能够使得为待检测对象确定的目标像素点中存在背景像素点的比例降低，从而提升了所生成的标注信息的准确性。

技术领域

本公开涉及计算机视觉技术领域，具体而言，涉及一种样本生成、神经网络的训练、数据处理方法、装置、计算机设备及存储介质。

背景技术

计算机视觉技术作为图像处理的基本方法，在自动驾驶、智能仓储等领域应用广泛。在自动驾驶领域中，计算机视觉技术用于对障碍物进行检测，通过对车辆周围环境进行感知和分析，提供准确的行驶决策以实现安全驾驶。

目前，通常利用摄像头对车辆周围环境进行检测，并利用训练得到的目标检测神经网络确定障碍物相对于自动驾驶车辆的具体位置。在获取用于训练目标检测神经网络的样本数据时，通常利用标注框对摄像头采集得到的图像中的目标对象进行标注，当前得到的样本数据的准确性较低。

发明内容

本公开实施例至少提供一种样本生成、神经网络的训练、数据处理方法、装置、计算机设备及存储介质。

第一方面，本公开实施例提供了一种样本生成方法，包括：获取样本图像、以及所述样本图像中待检测对象对应的标注框；基于所述标注框，从所述样本图像中确定属于所述待检测对象的备选像素点、以及与所述标注框对应的待检测对象的中心像素点；利用所述备选像素点与所述待检测对象的中心像素点之间的第一距离，从所述备选像素点中，确定属于所述待检测对象的目标像素点；基于所述目标像素点在所述样本图像中的位置，生成所述样本图像的标注信息。

这样，通过对标注框中的像素点进行进一步筛选，使得为待检测对象确定的目标像素点中存在背景像素点的比例降低，从而提升了所生成的标注信息的准确性。

一种可选的实施方式中，所述待检测对象包括：第一待检测对象以及第二待检测对象；所述基于所述标注框，从所述样本图像中确定属于所述待检测对象的备选像素点，包括：针对所述第一待检测对象，在所述第一待检测对象对应的第一标注框、与第二待检测对象对应的第二标注框存在重叠区域的情况下，基于所述第一标注框的面积、以及所述第二标注框的面积，从所述第一待检测对象和所述第二待检测对象中，确定所述重叠区域中的像素点对应的目标待检测对象；基于所述重叠区域中的像素点对应的目标待检测对象、以及所述第一标注框，为所述第一待检测对象确定属于所述第一待检测对象的备选像素点。

这样，可以对第一待检测对象以及第二待检测对象对应的标注框中重叠部分的像素点较为准确地确定所属的目标待检测对象，消除重叠部分的像素点在对应分类信息时可能存在的多分类结果带来的样本歧义，从而使得得到的备选像素点的分类结果更准确。

一种可选的实施方式中，基于所述第一标注框的面积、以及所述第二标注框的面积，从所述第一待检测对象和所述第二待检测对象中，确定所述重叠区域中的像素点对应的目标待检测对象，包括：将所述第一标注框的面积和所述第二标注框的面积进行比对；响应于所述第一标注框的面积小于所述第二标注框的面积，将所述重叠区域中的像素点对应的目标待检测对象确定为所述第一待检测对象；响应于所述第一标注框的面积大于所述第二标注框的面积，将所述重叠区域中的像素点对应的目标待检测对象确定为所述第二待检测对象。

这样，基于第一标注框和第二标注框的面积，确定重叠区域中像素点对应的目标待检测对象，使得能够为在图像中显示区域较小的目标对象确定更多的像素点，令较小的目标对象能够保留更多的特征，提升神经网络对较小的目标对象的识别能力。