[发明专利]基于适应标注的物件侦测模型的训练方法及系统

说明书

本发明公开了一种物件侦测模型的训练系统及训练方法。训练系统包括一物件侦测模型及一损失计算模块。物件侦测模型用以根据一输入影像产生一输出影像。损失计算模块耦接至物件侦测模型，用以根据输出影像及一解答影像计算一分类损失总和，根据分类损失总和计算一损失值，并将损失值传送至物件侦测模型。分类损失总和根据对应于多个物件类别的多个分类损失计算得到。对应于各物件类别的各分类损失根据一第一参数、一第二参数及一第三参数计算得到。

技术领域

本发明涉及一种基于适应标注的物件侦测模型的训练方法及系统。

背景技术

人工智能被广泛地应用在各种领域来进行影像的物件辨识。一般而言，在建立一个合用的基于人工智能的辨识模型时，往往需要使用大量已标注影像对辨识模型进行训练。在一些专业门槛较高的领域中，现行产生已标注影像的方法通常是以人工标注的方式产生。人工智能开发者往往难以修改由专业人员提供的人工标注的已标注影像。举例来说，在医疗影像的标注上，仰赖专业的医师来进行手动标注。医师手动标注的时间成本普遍较一般工读生来得高，导致难以要求医师在标注时以准确尺寸的标记框进行标注。另一方面，基于尊重医疗领域的高度专业，在取得医师手动标注的医疗影像后，不会对标记框进行调整或改动。基于上述种种原因，现有的技术难以有效地使用这类不经修改的手动标注的影像来训练出具有高效能的辨识模型。

发明内容

本发明的第一方面公开一种物件侦测模型的训练系统。训练系统包括一物件侦测模型及一损失计算模块。物件侦测模型用以根据一输入影像产生一输出影像。损失计算模块耦接至物件侦测模型，用以根据输出影像及一解答影像计算一分类损失总和，根据分类损失总和计算一损失值，并将损失值传送至物件侦测模型。分类损失总和根据对应于多个物件类别的多个分类损失计算得到。对应于各物件类别的各分类损失根据一第一参数、一第二参数及一第三参数计算得到。第一参数对应于输出影像中物件类别的一或多个标记框是否有框选到应判断为物件类别的一或多个物件时的惩罚分数。第二参数对应于用以判断输出影像中物件类别的该一或多个标记框是否有框选到物件类别的该一或多个物件的一阈值。第三参数对应于输出影像中物件类别的该一或多个标记框框选到非该物件类别的一或多个物件时的一分数加权值。

本发明的第二方面公开一种物件侦测模型的训练方法。训练方法包括：提供该物件侦测模型一输入影像，以令该物件侦测模型根据输入影像产生一输出影像；通过一损失计算模块根据输出影像及一解答影像计算一分类损失总和；通过损失计算模块根据分类损失总和计算一损失值；以及通过损失计算模块将损失值传送至物件侦测模型。分类损失总和根据对应于多个物件类别的多个分类损失计算得到。对应于各物件类别的各分类损失根据一第一参数、一第二参数及一第三参数计算得到。第一参数对应于输出影像中物件类别的一或多个标记框是否有框选到应判断为物件类别的一或多个物件时的惩罚分数。第二参数对应于用以判断输出影像中物件类别的该一或多个标记框是否有框选到物件类别的该一或多个物件的一阈值。第三参数对应于输出影像中物件类别的该一或多个标记框框选到非该物件类别的一或多个物件时的一分数加权值。