CN114155398B 一种标注类型自适应的主动学习图像目标检测方法及装置 （杭州涿溪脑与智能研究所）

一种标注类型自适应的主动学习图像目标本发明提出一种标注类型自适应的主动学对定位信息满足第二预设条件的进行标注以获一标注数据，将第一标注数据加入至标注数据著节约标注成本，又能提高检测算法对目标类2对所述分类信息满足第一预设条件的目标检测对象，根据量化指标根据所述类别标签和所述补充包围框标签生成所述目标根据所述标注数据集对半监督检测模型重新训练，得到迭代更新后提取图像的多尺度特征图，将中心点估计作为第一分支，弱监在所述第二分支中，对所述多尺度特征图进行卷积得到可受图像级标签监督的响应所述第一预设条件包括分类信息量高于第一特定阈值的目标对象，所对所述分类信息满足第一预设条件的目标对象进行标注以获得所述目标对象对应的为计算点中心点坐标处的定位信息量，首先计算尺度补偿矩阵j,的局部概率分布期其次，用局部平均预测值的熵和预测值熵的均值之间的差异H(a)=-zlogz-(1-z)log(1-z).3检测模块，用于用初始半监督检测模型对目标检测对象进行检测，评估模块，用于对所述分类信息满足第一预设条件的目标检测对象，满足第二预设条件的目标检测对象，根据量化指标定额选择最有价值的检测对象进行标标注模块，用于根据所述类别标签和所述补充包围框标签生成训练模块，用于根据所述标注数据集对半监督检提取图像的多尺度特征图，将中心点估计作为第一分支，弱监在所述第二分支中，对所述多尺度特征图进行卷积得到可受图像级标签监督的响应其中，为用熵衡量目标的分类信息量，表示中心点坐标处的类别预测概率分为计算点中心点坐标处的定位信息量，首先计算尺度补偿矩阵的局部概其次，用局部平均预测值的熵和预测值熵的均值之间的差异4H(a)=-zlogz-(1-z)log(1-z).机程序被处理器执行时实现如权利要求1所述的标注类型自适应的主动学习图像目标检测5[0007]本发明的第二个目的在于提出一种标注类型自适应的主动学习图像目标检测装6[0031]H(a)=-zlogz-(1-z)log(1-).7[0048]为达上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介解到。[0050]本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得8[0051]图1为本发明实施例所提供的一种标注类型自适应的主动学习图像目标检测方法[0052]图2为本发明实施例所提供的一种标注类型自适应的主动学习图像目标检测方法[0055]下面参考附图描述本发明实施例的标注类型自适应的主动学习图像目标检测方[0056]图1为本发明实施例所提供的一种标注类型自适应的主动学习图像目标检测方法[0062]在第二分支中，对所述多尺度特征图进行卷积得到可受图像级标签监督的响应度。中心点估计和弱监督分支共享部分参数，在这个分支中，特征图被3×3卷积压缩为9[0070]模型预测Brve表示特征图上(x,y)处关键点代表的目标属于c类的人工标注的目标中心点记作p∈R2，在下采样比例为R的低分辨率特征图上预测并计算损pp[0078]将每个人工标注的目标尺寸记为其中k表示一张图中对象目[0080]用one_hot向量g表示样本的图像级标签，当样本中存在至少一个属于第c类的目[0098]H(2)=-zlogz-(1-z)log(1-z).[0105]图2为本发明实施例提供的一种标注类型自适应的主动学习图像目标检测装置的[0109]标注模块，用于根据类别标签和补充包围框标签生成目器执行时实现本申请第一方面实施例所述的一种标注类型自适应的主动学习图像目标检[0123]为达上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介所述的一种标注类型自适应的主动学习图像目标术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器