[发明专利]一种标注类型自适应的主动学习图像目标检测方法及装置

权利要求书

1.一种标注类型自适应的主动学习图像目标检测方法，其特征在于，包括以下步骤：

用所述检测模型对所述目标检测对象进行检测，得到所述目标对象对应的定位信息和分类信息；

对所述分类信息满足第一预设条件的目标对象，根据量化指标定额选择最有价值的对象进行标注，以获得所述目标检测对象对应的类别标签，对所述定位信息满足第二预设条件的目标检测对象，根据量化指标定额选择最有价值的检测对象进行标注，以获得所述检测目标对象对应的补充包围框标签；

根据所述类别标签和所述补充包围框标签生成所述目标对象的第一标注数据，将所述第一标注数据加入至标注数据集，其中，所述标注数据集中预存有第二标注数据；

根据所述标注数据集对半监督检测模型重新训练，得到迭代更新后的目标半监督检测模型，直到模型达到预期性能或标注数量达到预算。

2.根据权利要求1所述的方法，其特征在于，通过下述方式设计所述半监督检测模型：

提取图象的多尺度特征图，将中心点估计作为第一分支，弱监督全局平均池化作为第二分支，所述第一分支和所述第二分支共享部分所述多尺度特征图的参数；

在所述第一分支中，对所述多尺度特征图进行卷积得到预测位置信息；

在所述第二分支中，对所述多尺度特征图进行卷积得到可受图像级标签监督的响应图。

3.根据权利要求1或2所述的方法，其特征在于，对所述目标图像进行检测，得到应的定位信息和分类信息，包括：

经过所述初始半监督检测模型对所述目标图像进行预测，得到所述目标对象对应的定位信息和分类信息。

4.根据权利要求3所述的方法，其特征在于，所述第一预设条件包括分类信息量高于第一特定阈值的目标对象，所述第二预设条件包括定位信息量高于第二特定阈值的目标对象。

5.根据权利要求4所述的方法，其特征在于，对所述分类信息满足第一预设条件的目标对象进行标注以获得所述目标对象对应的类别标签，对所述定位信息满足第二预设条件的目标对象进行标注以获得所述目标对象对应的补充包围框标签，包括：

用熵衡量目标的类别信息量：

其中，为用熵衡量目标的类别信息量，表示中心点坐标处的类别预测概率，c为候选类别总数。

为计算点中心点坐标处的定位信息量，首先计算尺度补偿矩阵的局部概率分布期望：

其中，r定义了局部邻域半径。

其次，用局部平均预测值的熵和预测值熵的均值之间的差异衡量数据分布和模型预测分布的互信息，以作为定位信息量的估计：

其中，计算信息熵，此处定义为：

类似地，获得中心点坐标处的尺寸信息量用表示总的定位信息量：

为分类和定位分别设置阈值∈_c,∈_l，分别筛选出信息量超过对应阈值的目标，定量选择信息量最大的目标，提供对应类型的标注。

6.一种标注类型自适应的主动学习图像目标检测装置，其特征在于，包括：

检测模块，用于用所述检测模型对所述目标检测对象进行检测，得到所述目标对象对应的定位信息和分类信息；

评估模块，用于对所述分类信息满足第一预设条件的目标对象，根据量化指标定额选择最有价值的对象进行标注，以获得所述目标检测对象对应的类别标签，对所述定位信息满足第二预设条件的目标检测对象，根据量化指标定额选择最有价值的检测对象进行标注，以获得所述检测目标对象对应的补充包围框标签；

标注模块，用于根据所述类别标签和所述补充包围框标签生成所述目标对象的第一标注数据，将所述第一标注数据加入至标注数据集，其中，所述标注数据集中预存有第二标注数据；

训练模块，用于根据所述标注数据集对半监督检测模型重新训练，得到迭代更新后的目标半监督检测模型，直到模型达到预期性能或标注数量达到预算。