[发明专利]训练数据集的标注方法、装置、电子设备及存储介质

权利要求书

1.一种训练数据集的标注方法，其特征在于，所述训练数据集包括多个训练数据，每个训练数据包括标注有初始特征点的图像，所述方法包括：

重复执行以下步骤N次，其中，所述N为大于1的正整数，每一次的执行过程包括：

将所述训练数据集随机拆分为第一子集和第二子集；

根据所述第一子集训练第一特征点检测模型，根据所述第二子集训练第二特征点检测模型；

将所述第一子集输入所述第二特征点检测模型，得到所述第一子集中每个训练数据的检测特征点，将所述第二子集输入所述第一特征点检测模型，得到所述第二子集中每个训练数据的检测特征点；

根据每个训练数据的N个检测特征点，重新标注每个所述训练数据的特征点。

2.根据权利要求1所述的训练数据集的标注方法，其特征在于，所述根据每个训练数据的N个检测特征点，重新标注每个所述训练数据的特征点，包括：

计算任一训练数据的M个检测特征点的平均值，所述M为小于或等于所述N的正整数；

判断所述平均值是否与所述任一训练数据的初始特征点匹配；

如果不匹配，则根据所述平均值重新标注所述任一训练数据。

3.根据权利要求2所述的训练数据集的标注方法，其特征在于，在计算任一训练数据的M个检测特征点的平均值之前，还包括：

根据所述任一训练数据的N个检测特征点中每个检测特征点与所述任一训练数据的初始特征点之间的距离，从所述任一训练数据的N个检测特征点中筛选出所述任一训练数据的M个检测特征点。

4.根据权利要求3所述的训练数据集的标注方法，其特征在于，所述根据所述任一训练数据的N个检测特征点中每个检测特征点与所述任一训练数据的初始特征点之间的距离，从所述任一训练数据的N个检测特征点中筛选出所述任一训练数据的M个检测特征点，包括：

获得所述任一训练数据的N个检测特征点中与所述任一训练数据的初始特征点之间的距离小于预设距离的检测特征点；

根据所述任一训练数据的N个检测特征点中与所述任一训练数据的初始特征点之间的距离小于预设距离的检测特征点，得到所述任一训练数据的M个检测特征点。

5.根据权利要求1-4任一项所述的训练数据集的标注方法，其特征在于，所述根据所述第一子集训练第一特征点检测模型，根据所述第二子集训练第二特征点检测模型，包括：

根据所述第一子集的标签和所述第一特征点检测模型的输出之间的损失，对所述第一特征点检测模型进行训练；

根据所述第二子集的标签和所述第二特征点检测模型的输出之间的损失，对所述第二特征点检测模型进行训练。

6.根据权利要求1-4任一项所述的训练数据集的标注方法，其特征在于，在根据每个训练数据的N个检测特征点，重新标注每个所述训练数据的特征点之后，还包括：

根据重新标注的所述训练数据集中每个所述训练数据，训练出第三特征点检测模型。

7.一种训练数据集的标注装置，其特征在于，所述训练数据集包括多个训练数据，每个训练数据包括标注有初始特征点的图像，所述装置包括：

检测特征点获取模块，用于重复执行以下步骤N次，其中，所述N为大于1的正整数，每一次的执行过程包括：将所述训练数据集随机拆分为第一子集和第二子集；根据所述第一子集训练第一特征点检测模型，根据所述第二子集训练第二特征点检测模型；将所述第一子集输入所述第二特征点检测模型，得到所述第一子集中每个训练数据的检测特征点，将所述第二子集输入所述第一特征点检测模型，得到所述第二子集中每个训练数据的检测特征点；

标注模块，用于根据每个训练数据的N个检测特征点，重新标注每个所述训练数据的特征点。

8.一种电子设备，其特征在于，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器用于执行所述程序时实现根据权利要求1-6任一项所述的训练数据集的标注方法。