[发明专利]一种数据增广策略选择方法、装置及系统

说明书

本申请实施例提供了一种数据增广策略选择方法、装置及系统。方案如下：获取多个数据增广策略各自对应的第一检测模型；针对每一数据增广策略，利用该数据增广策略对应的第一检测模型，对第三数据集中第三样本图像中的目标物进行检测，得到各检测框的置信度；根据该数据增广策略所对应的检测框的数量和/或检测框的置信度，计算该数据增广策略对应的目标物检测性能值；基于每一数据增广策略对应的目标物检测性能值，选择目标数据增广策略。通过本申请实施例提供的技术方案，提高了确定出的目标数据增广策略的泛化能力，使得数据增广技术适用于无监督学习场景的目标物检测过程。

技术领域

本申请涉及目标检测技术领域，特别是涉及一种数据增广策略选择方法、装置及系统。

背景技术

目前，在有监督学习场景的目标物检测过程中，可以利用目标数据增广策略对预先设定的训练数据集进行数据增广处理。这将有效增加训练数据集中的训练数据的数量，提高训练数据集的多样化，从而提高了根据数据增广处理后的训练数据集训练得到的检测模型的泛化能力。

在上述目标物检测过程中，上述目标数据增广策略需要是基于包括标识信息的验证数据集确定。

上述在确定目标数据增广策略时，需要依赖包括标识信息的验证数据集。然而，在无监督学习场景中，由于受到标识信息获取的高经济性的影响，无法获取到足够数量的包括标识信息的验证数据集，导致上述包括标识信息的数据集并不具备较高的泛化能力，这严重影响了确定出的目标数据增广策略的泛化能力，从而导致相关技术中的数据增广技术并不适用于无监督学习场景的目标物检测过程。

发明内容

本申请实施例的目的在于提供一种数据增广策略选择方法、装置及系统，以提高确定出的目标数据增广策略的泛化能力，从而使得数据增广技术适用于无监督学习场景的目标物检测过程。具体技术方案如下：

本申请实施例提供了一种数据增广策略选择方法，所述方法包括：

获取多个数据增广策略各自对应的第一检测模型；每一数据增广策略对应的第一检测模型是基于该数据增广策略对应的第一数据集训练得到的，每一数据增广策略对应的第一数据集是：基于该数据增广策略对第二数据集进行数据增广处理得到的；

针对每一数据增广策略，利用该数据增广策略对应的第一检测模型，对第三数据集中第三样本图像中的目标物进行检测，得到各检测框的置信度；

根据该数据增广策略所对应的检测框的数量和/或检测框的置信度，计算该数据增广策略对应的目标物检测性能值；

基于每一数据增广策略对应的目标物检测性能值，选择目标数据增广策略。

可选的，所述获取多个数据增广策略各自对应的第一检测模型的步骤，包括：

获取所述第二数据集；

获取多个数据增广策略；

针对每一数据增广策略，利用该数据增广策略对所述第二数据集进行数据增广处理，得到每一数据增广策略对应的第一数据集；

针对每一数据增广策略，利用该数据增广策略对应的第一数据集，对预设检测模型进行训练，得到每一数据增广策略所对应的第一检测模型。

可选的，所述获取多个数据增广策略的步骤，包括：

基于候选库中包括的多个数据增广算法，选取多组种子策略，每组种子策略中包括第一数量个数据增广算法；

针对每组种子策略，基于第二数量，以及该组种子策略中各数据增广算法所对应随机概率区间/幅值变换区间的最大值和最小值，确定该组种子策略中各数据增广算法所对应的随机概率值/幅值，得到多个数据增广策略。

可选的，针对任一数据增广策略对应的第一数据集，采用以下步骤训练得到该数据增广策略对应的第一检测模型：