[发明专利]一种基于主动学习的检测模型的训练方法及装置

权利要求书

1.一种基于主动学习的检测模型的训练方法，其特征在于，所述方法包括：

S101：获取样本视频；

S102：将所述样本视频输入到检测模型Mi中，得到所述样本视频中的每帧图像的检测结果Ni，以及根据主动学习算法对所述检测结果Ni进行评分，得到所述样本视频中的每帧图像的信息量评分值Vi，检测模型用于识别目标体，任意一帧图像的信息量评分值用于指示任意一帧图像中的所述目标体的检测结果的可信度，i大于或等于1的正整数；

S103：根据所述样本视频中的每帧图像的信息量评分值Vi，得到图像集Ci，所述图像集Ci包括所述样本视频中的信息量评分值Vi为峰值的图像；

S104：根据所述图像集Ci，对检测模型Mi进行训练，得到检测模型Mi+1；

S105：将所述样本视频输入到检测模型Mi+1中，得到所述样本视频中的每帧图像的检测结果Ni+1，以及根据主动学习算法对所述检测结果Ni+1进行评分，得到所述样本视频中的每帧图像的信息量评分值Vi+1，检测结果用于指示所述样本视频中的每帧图像的所述目标体的预测位置和预测类别；

S106：根据所述样本视频中的每帧图像的信息量评分值Vi+1，得到图像集Ci+1，所述图像集Ci+1包括所述样本视频中的信息量评分值Vi+1为峰值的图像；

S107：根据所述图像集Ci和所述图像集Ci+1，确定检测模型Mi+2。

2.如权利要求1所述的方法，其特征在于，所述根据所述图像集Ci和所述图像集Ci+1，确定检测模型Mi+2，包括：

S201：从所述图像集Ci+1中，删除与图像集Cj中的图像相同的图像，得到更新后的图像集Ci+1，j取遍大于或等于1且小于或等于i的正整数；

S202：根据更新后的图像集Ci+1，对检测模型Mi+1进行训练，得到检测模型Mi+2；

S203：在检测模型Mi+2识别所述目标体的准确率大于或等于预设阈值，或者，i+2大于或等于预设次数时，确定检测模型Mi+2为目标检测模型；

S204：在检测模型Mi+2识别所述目标体的准确率小于预设阈值，或者，i+2小于预设次数时，更新i＝i+1，并重复执行S105、S106、S201和S202，直至检测模型Mi+2识别所述目标体的准确率大于或等于预设阈值，或者，i+2大于或等于预设次数为止。

3.如权利要求1或2所述的方法，其特征在于，根据一个图像集，对主动学习模型进行训练，得到训练后的检测模型，包括：

对所述一个图像集进行标注，得到标注结果，所述标注结果用于表示所述一个图像集的每帧图像中的所述目标体的真实类别和真实位置；

根据所述一个图像集和所述标注结果，对检测模型进行训练，得到训练后的检测模型。

4.如权利要求1或2所述的方法，其特征在于，根据一个视频中的每帧图像的信息量评分值，得到一个图像集，包括：

根据所述一个视频中的每帧图像的信息量评分值和帧号，绘制关系曲线；

从所述关系曲线中，获取信息量评分值为峰值的全部帧号；

确定所述一个图像集包含所述全部帧号对应的图像。

5.如权利要求4所述的方法，其特征在于，在获取信息量评分值为峰值的全部帧号之前，所述方法还包括：

对所述关系曲线进行降噪处理，以使所述关系曲线平滑。

6.如权利要求5所述的方法，其特征在于，所述降噪处理包括：傅里叶变换滤波处理或者小波滤波处理。

7.一种目标检测方法，其特征在于，所述方法包括：

获取待检测图像；

将所述待检测图像输入到训练好的检测模型中，得到检测结果，所述检测模型是基于如权利要求1-6任一项所述的训练方法训练得到的。