[发明专利]一种图像识别模型训练方法及装置、存储介质

权利要求书

1.一种图像识别模型训练方法，其特征在于，包括：

采用已标注图像样本集，对图像识别模型进行训练；

利用当前训练后的所述图像识别模型，识别待标注图像样本集中的多个待标注图像样本，得到所述多个待标注图像样本中的每一个所对应识别结果的置信度；

选择所述置信度位于预设区间的至少一个待标注图像样本作为至少一个待标注图像样本，构成第一待标注图像样本集；

获取所述第一待标注图像样本集中待标注图像样本待标注图像样本的标注标签；

根据获取的所述标注标签，更新所述已标注图像样本集；

采用更新后的所述已标注图像样本集，继续训练所述图像识别模型。

2.根据权利要求1所述的方法，其特征在于，所述获取所述第一待标注图像样本集中待标注图像样本的标注标签，包括：

对所述第一待标注图像样本集中的所述至少一个待标注图像样本进行聚类，获得聚类结果；

根据所述聚类结果，从所述第一待标注图像样本集中，选择部分具有簇代表性的目标待标注图像样本构成第二待标注图像样本集；

获取所述第二待标注图像样本集中所述目标待标注图像样本的标注标签。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一待标注图像样本集中的所述至少一个待标注图像样本进行聚类，获得聚类结果待标注图像样本，包括：

根据所述第一待标注图像样本集中待标注图像样本的图像特征，确定所述待标注图像样本的信息熵；

选择信息熵满足预定条件的所述待标注图像样本进行聚类，得到K个簇及各所述簇的簇中心；其中，所述K为正整数。

4.根据权利要求2所述的方法，其特征在于，所述聚类结果包括：聚类形成的簇及各所述簇的簇中心；

所述根据所述聚类结果，从所述第一待标注图像样本集中，选择部分具有簇代表性的目标待标注图像样本构成第二待标注图像样本集，包括：

从每个所述簇中选择与对应所述簇中心距离最近的一个或多个所述待标注图像样本，作为具有簇代表性的目标待标注图像样本构成所述第二待标注图像样本集。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

在所述构成第一待标注图像样本集之后，确定所述第一待标注图像样本集所包含的待标注图像样本个数是否大于预设值；

所述获取所述第一待标注图像样本集中待标注图像样本的标注标签，包括：

当所述第一待标注图像样本集所包含的待标注图像样本个数大于所述预设值时，获取所述第一待标注图像样本集中待标注图像样本的标注标签。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

当所述第一待标注图像样本集所包含的待标注图像样本个数小于或等于所述预设值时，停止所述图像识别模型的训练。

7.根据权利要求6所述的方法，其特征在于，所述采用更新后的所述已标注图像样本集，继续训练所述图像识别模型，包括：

采用更新后的所述已标注图像样本集，返回所述对图像识别模型进行训练的步骤。

8.根据权利要求1所述的方法，其特征在于，所述已标注图像样本集包含：第一数量的正图像样本和第二数量的负图像样本，其中，所述第一数量小于所述第二数量；

和/或，

所述第一待标注图像样本集包含：第三数量的所述待标注图像样本；所述第三数量大于所述第二数量。

9.根据权利要求8所述的方法，其特征在于，所述正图像样本包含：被标注为密集图像的密集恐怖图像；所述负图像样本为：所述密集恐怖图像以外的图像。