[发明专利]对自动标注装置的超参数进行优化的方法和装置

权利要求书

1.一种方法，对自动标注待利用于学习神经网络的一个以上训练图像的自动标注装置的一个以上超参数进行优化，其特征在于，包括：

步骤(a)，若获得待标注的一个以上原始图像及拍摄环境与上述原始图像相似的具有固有真标签的一个以上验证图像，则优化装置使具有至少一个预设超参数组的上述自动标注装置分别对上述原始图像和上述具有固有真标签的验证图像进行自动标注来生成具有固有自动标签的原始图像和具有固有真标签及自动标签的验证图像，将上述具有固有自动标签的原始图像分类为具有固有自动标签的简单原始图像和具有固有自动标签的复杂原始图像，将上述具有固有真标签及自动标签的验证图像分类为具有固有真标签及自动标签的简单验证图像和具有固有真标签及自动标签的复杂验证图像；以及

步骤(b)，若获得上述具有固有真标签及自动标签的简单验证图像，则上述优化装置通过参照上述具有固有真标签及自动标签的简单验证图像来计算与上述预设超参数组相对应的上述自动标注装置的当前可信度，根据与上述预设超参数组相对应的至少一个规定规则来生成所调整的一个以上样品超参数组，分别对分别与上述样品超参数组相对应的上述自动标注装置的样品可信度进行计算，并以使与上述预设超参数组相对应的上述当前可信度向与特定样品超参数组相对应的上述样品可信度变高的方向调整的方式对上述预设超参数组进行优化，作为上述特定样品超参数组，从上述样品超参数组中选定具有高于与上述预设超参数组相对应的上述当前可信度的样品可信度的部分样品超参数组。

2.根据权利要求1所述的方法，其特征在于，还包括步骤(c)，上述优化装置对上述预设超参数组进行优化，使得与上述预设超参数组相对应的上述当前可信度维持预设值以上的状态并使上述具有固有自动标签的原始图像与上述具有固有自动标签的简单原始图像的比例最大化。

3.根据权利要求2所述的方法，其特征在于，

上述自动标注装置包括复杂图像识别网络，上述复杂图像识别网络将上述具有固有自动标签的原始图像分类为上述具有固有自动标签的简单原始图像和上述具有固有自动标签的复杂原始图像，将上述具有固有真标签及自动标签的验证图像分类为上述具有固有真标签及自动标签的简单验证图像和上述具有固有真标签及自动标签的复杂验证图像，

在上述步骤(c)中，上述优化装置对上述预设超参数组进行优化，上述预设超参数组包括：

(i)上述复杂图像识别网络对上述具有固有自动标签的原始图像的自动标签分别成为异常等级的各个概率和上述具有固有真标签及自动标签的验证图像的自动标签分别成为上述异常等级的各个概率进行计算的第一设定值；

(ii)上述复杂图像识别网络对上述具有固有自动标签的原始图像是否为上述具有固有自动标签的复杂原始图像以及上述具有固有真标签及自动标签的验证图像是否为上述具有固有真标签及自动标签的复杂验证图像进行辨别的第二设定值。

4.根据权利要求1所述的方法，其特征在于，在上述步骤(b)中，上述优化装置使可信度评价网络通过参照上述具有固有真标签及自动标签的简单验证图像的真标签及自动标签来计算上述自动标注装置的上述当前可信度。

5.根据权利要求4所述的方法，其特征在于，当上述具有固有真标签及自动标签的简单验证图像的真标签为X_AL、自动标签为L_AL、精密度(Precision)(X_AL，L_AL)＝1-[L_AL内误检测标签数量]/[L_AL内总标签数量]、查全率(Recall)(X_AL，L_AL)＝1-[X_AL内未检测标签数量]/[X_AL内总标签数量]时，通过下述式来评价上述自动标注装置的上述当前可信度(Reliability)：