技术特征：
1.一种用于目标检测的自动标注方法，其特征在于，所述方法包括：获取未标注数据集，基于第一目标检测模型对所述未标注数据集进行目标检测，得到目标检测结果；执行对所述目标检测结果的更新过程，所述更新过程包括：对所述目标检测结果进行筛选，保留满足预设条件的目标检测结果，构成已标注数据集；基于所述已标注数据集训练目标检测网络，得到训练好的第二目标检测模型；基于所述第二目标检测模型对所述未标注数据集进行目标检测，得到更新的目标检测结果；迭代执行所述更新过程，直到筛选不出满足所述预设条件的目标检测结果，此时的已标注数据集作为最终的自动标注数据集。2.根据权利要求1所述的方法，其特征在于，所述满足预设条件的目标检测结果是指：目标检测框的置信度大于预设阈值，且所述目标检测框的长宽比在预设范围内。3.根据权利要求1或2所述的方法，其特征在于，所述对所述目标检测结果进行筛选，保留满足预设条件的目标检测结果，构成已标注数据集，包括：对于所述未标注数据集中的每张图片，将所述图片中满足所述预设条件的目标检测框转换为预定格式的标注文件，同时保存所述图片，构成所述已标注数据集。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在得到所述标注文件后，对所述标注文件进行数据增强，得到增强后的标注文件，以用于构成所述已标注数据集。5.根据权利要求4所述的方法，其特征在于，所述对所述标注文件进行数据增强，包括：对所述标注文件进行翻转和/或马赛克增强。6.根据权利要求2所述的方法，其特征在于，所述目标检测为人脸检测，所述满足预设条件的目标检测结果是指：人脸检测框的置信度大于0.98，且所述人脸检测框的长宽比在0.8到1.2之间。7.根据权利要求1所述的方法，其特征在于，所述已标注数据集用于训练智能家居场景中的人脸检测模型，所述未标注数据集为从家居场景收集的数据集。8.根据权利要求7所述的方法，其特征在于，所述未标注数据集包括不同摄像头角度、不同时间段、不同天气、不同光照中的至少一项的视频和/或图片，其中所述视频被转换为图片，以用于构成所述未标注数据集。9.根据权利要求1所述的方法，其特征在于，所述目标检测网络包括主干网络和特征金字塔网络。10.根据权利要求1所述的方法，其特征在于，所述基于所述已标注数据集训练目标检测网络，得到训练好的第二目标检测模型，包括：第一步骤：将所述已标注数据集中的每张图像输入目标检测网络，由所述目标检测网络输出每张图像的目标检测结果；第二步骤：基于每张图像的目标检测结果与对应的标注结果之间的误差优化所述目标检测网络的参数，得到优化后的目标检测网络；第三步骤：执行所述第一步骤到所述第二步骤的迭代步骤，若所述第一步骤中输出的目标检测结果与对应的标注结果之间的误差在预设范围之内，则此时的目标检测网络为所述第二目标检测模型。
11.一种用于目标检测的自动标注装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时，使得所述处理器执行如权利要求1
‑
10中的任一项所述的用于目标检测的自动标注方法。
技术总结
一种用于目标检测的自动标注方法和装置，该方法包括：获取未标注数据集，基于第一目标检测模型对未标注数据集进行目标检测，得到目标检测结果；执行对目标检测结果的更新过程，更新过程包括：对目标检测结果进行筛选，保留满足预设条件的目标检测结果，构成已标注数据集；基于已标注数据集训练目标检测网络，得到训练好的第二目标检测模型；基于第二目标检测模型对未标注数据集进行目标检测，得到更新的目标检测结果；迭代执行更新过程，直到筛选不出满足预设条件的目标检测结果，此时的已标注数据集作为最终的自动标注数据集。本申请可以在完全无人工参与的情况下得到具有准确标注结果的数据集，实现完全自动化的准确标注。实现完全自动化的准确标注。实现完全自动化的准确标注。
技术研发人员：黄诗盛
受保护的技术使用者：深圳海翼智新科技有限公司
技术研发日：2021.06.02
技术公布日：2021/9/21