CN119399579A 一种用于ai视觉识别的训练数据集标注方法及装置 （深圳市乐科智控科技有限公司）

道西丽社区打石一路深圳国际创新谷一种用于AI视觉识别的训练数据集标注方种用于AI视觉识别的训练数据集标注方法及装景和多目标识别中的标注不一致、漏标误标问2获取目标的原始图像数据并进行预处理，得到预处理后的图像数将所述特征映射和所述预处理后的图像数据输入预设的目标检测模基于所述聚类中心对所述候选目标集合进行分类，得到分类标注结果阈值的所述置信度作为高置信度标注数据，低于阈值的所述置信度作为低置信度标注数对所述低置信度标注数据进行复核，得到复核后的标注数据集，将所标注数据和所述高置信度标注数据反馈至所述目标检测模型，得到优化后的目标检测模通过图像采集设备获取原始图像数据，并获取与所述原始图像数据通过色彩校正算法对所述原始图像数据进行色彩校正处理，得到色彩校正图像数据，所述特征映射和所述预处理后的图像数据输入预设的目标检测模型，得到初步标注结果，将所述特征映射和所述预处理后的图像数据输入目标检测模型，得3通过DBSCAN算法基于空间邻近性和类别相似性对所述检测集合进行应用K_means算法识别对应于每个聚类中心的候选目标集合，得到每个聚类中心对应所述置信度作为高置信度标注数据，低于阈值的所述置信度作为低置信度标注数据的步基于所述聚类中心将所述候选目标集合中的候选目标分配到对通过Dice系数识别所述初始高置信度标注数据和所述初始低置信度标注数据之间的应用皮尔逊相关系数评估所述更新后的置信度标注数据和所述更新后的低置信度标将优化后的置信度与所述置信度阈值进行比较，将评分高于所述置信将所述聚类中心作为参考点，基于所述参考点利用余弦相似度作为述候选目标集合中每个候选目标的特征向量与所述聚类中心的特征向量进行相似度计算，据和所述高置信度标注数据反馈至所述目标检测模型，得到优化后的目标检测模型的步4通过多专家对所述低置信度标注数据进行人工复核，得到复核后的标将所述一致性标注数据与所述高置信度标注数据进行合并，形成增强的标注数据集，将所述增强的标注数据集反馈至所述目标检测模型，对所述目标检测模型进行重新训练，将所述重新标注数据与所述高置信度标注数据进行合并，生成完整标注训练数据集，将所述增强后的训练数据集输入预设的人工智能视觉识别模型进行指标中选择表现最佳的中间训练模型作为训练完成的人工分析模块，用于将所述特征映射和所述预处理后的图像数据输入预设的目标检测模复核后的标注数据集输入预设的一致性检查模型进行一致性检查，输出一致性标注数据，训练模块，用于利用所述优化后的目标检测模型对56聚类中心，得到多个聚类中心；应用K_means算法识别对应于每个聚类中心的候选目标集7述候选目标集合中每个候选目标分配到最相似的聚类中心所在的类别，生成分类标注结所述一致性检查模型中，利用逻辑回归分析对所述复核后的标注数据集进行解析和比对，[0012]作为优选方案，所述将所述高置信度的标注数据与所述生成完整标注训练数据集，将所述完整标注训练数据集输入预设的人工智能视觉识别模8[0017]图1是本发明实施例提供的用于AI视觉识别的训练数据集标注方法的流程示意图2是本发明实施例提供的用于AI视觉识别的训练数据集标注装置的结构示意性9如图1所示，本申请实施例提供的一种用于AI视觉识别的训练数据集标注方法包[0029]在该步骤中，预设的目标检测模型可以使用FasterR_CNN模型进行初步目标检到优化后的目标检测模型。利用优化后的目标检测模型对低置信度标注数据进行重新标训练数据集，最终将完整标注训练数据集输入预设的人工智能视觉识别模型进行模型训而为人工智能视觉识别模型的性能提升提供了坚实的[0045]通过色彩校正算法对原始图像数据进行色彩校正处理，[0052]通过将特征映射和预处理后的图像数据输入预设的目标检测模型，例如Faster[0060]应用K_means算法识别对应于每个聚类中心的候选目标集合，得到每个聚类中心[0063]在步骤S300中，基于聚类中心将候选目标集合中的候选预设的置信度阈值进行比较，将评分高于置信度阈值的置信度作为初始高置信度标注数[0069]通过Dice系数识别初始高置信度标注数据和初始低置信度标注数据之间的重叠[0072]应用皮尔逊相关系数评估更新后的置信度标注数据和更新后的低置信度标注数量，将候选目标集合中每个候选目标的特征向量与聚类中心的特征向量进行相似度计算，设定聚类中心为参考点：将每个聚类中心的特征向量设定为相应类别的参考点。参考点的选择是基于前期通过K_means算法已经确定好的聚类中心，这些中心点代表了各和llBll分别为特征向量的模长。[0090]通过将一致性标注数据与高置信度标注数据进行合并，形成增强的标注数据[0093]通过将重新标注数据与高置信度标注数据进行合并，生成完整的标注训练数据择表现最佳的中间训练模型作为训练完成的人工智能视高斯混合模型和非极大值抑制算法对初步标注结果进行位置数据和类别概率估计及过滤。[0103]分析模块12主要用于将特征映射和预处理后的图像数据输入预设的目标检测模[0104]分类模块13主要用于基于聚类中心对候选目标集合进行分类，得到分类标注结[0105]复核模块14主要用于对低置信度标注数据进行复核，得将复核后的标注数据集输入预设的一致性检查模型进行一致性检查，输出一致性标注