图像标注数据的质量检测方法、装置及电子设备与流程

本公开涉及自动驾驶、智能感知，尤其涉及一种图像标注数据的质量检测方法、装置及电子设备。

背景技术：

1、目前，在自动驾驶系统中，各个图像处理任务的执行准确度，依赖于图像处理任务中图像处理模型的准确度；而图像处理模型的准确度，很大程度上依赖于训练时的图像标注数据集中标注数据的质量。

2、然而，图像标注数据集中的标注数据，主要由人工标注得到，标注数据的质量难以把控，导致图像处理模型的准确度低，进而导致图像处理任务的准确度低。

技术实现思路

1、本公开提供一种图像标注数据的质量检测方法、装置及电子设备。

2、根据本公开实施例的第一方面，提供一种图像标注数据的质量检测方法，所述方法包括：获取图像标注数据集以及初始的图像处理模型；所述图像标注数据集包括多个图像以及多个图像中每个图像的标注数据；多个标注数据应用于同一个图像处理任务；在采用所述图像标注数据集对所述初始的图像处理模型进行训练的过程中，在所述图像处理模型处于欠拟合状态的情况下，将多个图像分别输入所述图像处理模型，获取多个图像中每个图像的预测数据；根据多个标注数据、多个预测数据、以及损失函数，从多个图像中选择问题图像；删除所述图像标注数据集中的所述问题图像以及所述问题图像的标注数据。

3、在本公开的一个实施例中，所述根据多个标注数据、多个预测数据、以及损失函数，从多个图像中选择问题图像，包括：针对多个图像中的每个图像，根据所述图像的标注数据、所述图像的预测数据以及所述损失函数，确定所述图像的损失函数数值；根据多个损失函数数值，从多个图像中选择损失函数数值最大的图像作为问题图像。

4、在本公开的一个实施例中，所述方法还包括：上报所述问题图像，以获取所述问题图像的处理结果；在所述处理结果指示所述问题图像难以学习的情况下，对所述问题图像进行第一标记处理；所述第一标记用于指示所述图像处理模型对所述问题图像进行重点训练处理；将标记处理后的问题图像、所述问题图像的标注数据，更新到所述图像标注数据集中。

5、在本公开的一个实施例中，在删除所述图像标注数据集中的所述问题图像以及所述问题图像的标注数据之前，所述方法还包括：确定所述问题图像未设置有第一标记；所述第一标记用于指示所述图像处理模型对所述问题图像进行重点训练处理。

6、在本公开的一个实施例中，所述方法还包括：在所述图像处理模型未处于欠拟合状态的情况下，调整所述图像处理模型的学习率，至所述图像处理模型处于欠拟合状态。

7、在本公开的一个实施例中，所述图像处理任务包括以下至少一种：车辆定位任务、障碍物定位任务、道路检测任务、交通信号灯识别任务。

8、根据本公开实施例的第二方面，还提供一种图像标注数据的质量检测装置，所述装置包括：第一获取模块，用于获取图像标注数据集以及初始的图像处理模型；所述图像标注数据集包括多个图像以及多个图像中每个图像的标注数据；多个标注数据应用于同一个图像处理任务；第二获取模块，用于在采用所述图像标注数据集对所述初始的图像处理模型进行训练的过程中，在所述图像处理模型处于欠拟合状态的情况下，将多个图像分别输入所述图像处理模型，获取多个图像中每个图像的预测数据；选择模块，用于根据多个标注数据、多个预测数据、以及损失函数，从多个图像中选择问题图像；处理模块，用于删除所述图像标注数据集中的所述问题图像以及所述问题图像的标注数据。

9、根据本公开实施例的第三方面，还提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为：实现如上所述的图像标注数据的质量检测方法的步骤。

10、根据本公开实施例的第四方面，还提供一种非临时性计算机可读存储介质，当存储介质中的指令由处理器执行时，使得处理器能够执行如上所述的图像标注数据的质量检测方法。

11、本公开的实施例提供的技术方案至少带来以下有益效果：

12、通过获取图像标注数据集以及初始的图像处理模型；图像标注数据集包括多个图像以及多个图像中每个图像的标注数据；多个标注数据应用于同一个图像处理任务；在采用图像标注数据集对初始的图像处理模型进行训练的过程中，在图像处理模型处于欠拟合状态的情况下，将多个图像分别输入图像处理模型，获取多个图像中每个图像的预测数据；根据多个标注数据、多个预测数据、以及损失函数，从多个图像中选择问题图像；删除图像标注数据集中的问题图像以及问题图像的标注数据，其中，非问题图像的标注数据，图像处理模型能够进行快速学习；图像处理模型难以快速学习的问题图像，为标注数据错误的图像，或者，标注数据正确但难以学习的图像，删除问题图像以及问题图像的标注数据，能够提高图像标注数据集中标注数据的质量，进而提高基于图像标注数据集训练得到的模型的准确度。

13、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

技术特征：

1.一种图像标注数据的质量检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据多个标注数据、多个预测数据、以及损失函数，从多个图像中选择问题图像，包括：

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

4.根据权利要求1或3所述的方法，其特征在于，在删除所述图像标注数据集中的所述问题图像以及所述问题图像的标注数据之前，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述图像处理任务包括以下至少一种：车辆定位任务、障碍物定位任务、道路检测任务、交通信号灯识别任务。

7.一种图像标注数据的质量检测装置，其特征在于，所述装置包括：

8.根据权利要求7所述的装置，其特征在于，所述选择模块具体用于，

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：上报模块和更新模块；

10.根据权利要求7或9所述的装置，其特征在于，所述处理模块在删除所述图像标注数据集中的所述问题图像以及所述问题图像的标注数据之前，还用于确定所述问题图像未设置有第一标记；所述第一标记用于指示所述图像处理模型对所述问题图像进行重点训练处理。

11.根据权利要求7所述的装置，其特征在于，所述装置还包括：调整模块，用于在所述图像处理模型未处于欠拟合状态的情况下，调整所述图像处理模型的学习率，至所述图像处理模型处于欠拟合状态。

12.根据权利要求7所述的装置，其特征在于，所述图像处理任务包括以下至少一种：车辆定位任务、障碍物定位任务、道路检测任务、交通信号灯识别任务。

13.一种电子设备，其特征在于，包括：

14.一种非临时性计算机可读存储介质，当存储介质中的指令由处理器执行时，使得处理器能够执行如权利要求1至6中任一项所述的图像标注数据的质量检测方法。

技术总结
本公开关于一种图像标注数据的质量检测方法、装置及电子设备，其中，该方法包括：获取图像标注数据集以及初始的图像处理模型；图像标注数据集中多个图像的标注数据，应用于同一个图像处理任务；在采用图像标注数据集对图像处理模型进行训练的过程中，在图像处理模型处于欠拟合状态的情况下，将多个图像分别输入图像处理模型，获取多个图像的预测数据；进而结合多个图像的标注数据以及损失函数，从多个图像中选择问题图像；删除图像标注数据集中的问题图像以及问题图像的标注数据，其中的问题图像，为标注数据错误的图像，或者，标注数据正确但难以学习的图像，删除问题图像以及问题图像的标注数据，能够提高图像标注数据集中标注数据的质量。

技术研发人员：刘安华
受保护的技术使用者：小米汽车科技有限公司
技术研发日：
技术公布日：2024/1/13