(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211099128.9 (22)申请日 2022.09.09 (71)申请人 湖南视比特机 器人有限公司 地址 410100 湖南省长 沙市高新 开发区岳 麓西大道58 8号芯城科技园2栋15 05室 (72)发明人 夏威　邓文平　梁鸿　周颖超　 项载尉　 (74)专利代理 机构 长沙湘之星知识产权代理事 务所(普通 合伙) 43271 专利代理师 刘斌　徐仰贵 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/764(2022.01) G06T 7/70(2017.01) (54)发明名称 样本生成方法、 目标检测模型训练、 目标检 测方法及系统 (57)摘要 本发明公开了样 本生成方法、 目标检测模 型 训练、 目标检测方法及系统， 样本生成方法包括： 1， 基于原始样本集训练获得目标检测模型； 2， 获 取候选样本集， 其包括N张待检测的候选样本图 片； 3， 基于候选样本集和目标检测模型， 输出各 张候选样本图片上各处的目标信息； 4， 基于步骤 3的输出信息， 从候选样本集中筛选出目标样本 图片并确定各目标样本图片上各处的目标位置 和类别信息； 5， 将目标样 本图片及图片上各处的 目标位置和类别信息作为训练样 本输出。 本发明 利用无标注 候选样本集， 自动生成目标检测模型 训练用样本， 大大降低人工成本； 通过持续不断 的迭代学习， 不断提升目标检测模 型对在线工作 流中的数据适应能力， 提高目标检测结果的准确 度。 权利要求书2页 说明书7页 附图1页 CN 115496960 A 2022.12.20 CN 115496960 A 1.一种样本生成方法， 其特 征在于， 包括以下步骤： 步骤1， 基于原始样本集训练获得目标检测模型， 其中， 原始样本集包括多张原始样本 图片， 目标检测模型的输出为各张原 始样本图片上 各处的目标检测信息； 步骤2， 获取候选样本集， 其中， 所述 候选样本集包括 N张待检测的候选样本图片； 步骤3， 基于候选样本集和目标检测模型， 输出 各张候选样本图片上的各处目标信息； 步骤4， 基于步骤3的输出信息， 从候选样本集中筛选出目标样本图片并确定各目标样 本图片上 各处的目标位置和类别 信息； 步骤5， 将目标样本图片及图片上 各处的目标位置和类别 信息作为训练样本 输出。 2.根据权利要求1所述的样本生成方法， 其特征在于， 图片上各处 的目标检测信 息包括 图片上各处是否有 待检测物体以及物体 类别概率； 所述步骤3中， 针对每张候选样本图片， 输出候选样本图片上的各处目标信息过程包 括： 步骤301， 对候选样本图片做多种可逆的变换处 理， 获得m张不同的图片 P； 步骤302， 将所述m张不同的图片P输入目标检测模型， 输出各图片P上各处是否有待检 测目标以及目标类别概 率； 步骤303， 基于步骤302的输出结果， 计算m张图片P对应的候选样本图片上各处的目标 位置和目标类别概 率； 步骤304， 基于步骤303的计算结果， 得到候选样本图片上各处最终的目标位置和目标 类别概率信息。 3.根据权利要求2所述的样本生成方法， 其特 征在于， 所述 步骤4中包括： 步骤401， 以步骤3 03输出的候选样本图片上 各处物体 类别概率作为置信度分数； 步骤402， 保留全部置信度低于第一预设阈值或高于第二预设阈值的候选样本 图片作 为目标样本图片输出； 将候选样本图片上置信度低于第一预设阈值的位置设为背景， 将候 选样本图片上置信度高于第二预设阈值的位置 设为目标物体并设置物体边界框， 丢弃存在 置信度位于第一预设阈值和第二预设阈值间的候选样本图片； 步骤403， 获取各张图片P对应的候选样本图片上物体边界框对应位置的物体类别概率 并取其中的最大值作为物体边界框处的物体 类别概率输出。 4.根据权利 要求2或3所述的样本生成方法， 其特征在于， 所述步骤303中， 对各图片P上 各处物体 类别概率求均值， 作为 候选样本图片上 各处物体 类别概率。 5.根据权利要求1至3任一项所述的样本生成方法， 其特征在于， 所述步骤2中， N张待检 测区域的候选样本图片， 通过对待检测区域连续实时图像采集获得； 或者， N张待检测区域 的候选样本图片， 通过从待检测区域的历史存 储图像集中获得。 6.根据权利要求2或3所述的样本生成方法， 其特征在于， 所述步骤301中， 所述处理包 括位置翻转处 理、 图片亮度对比度变化处 理、 缩小处 理或放大处 理。 7.一种目标检测模型训练方法， 其特 征在于， 利用由权利要求1至6任一项所述的样本生成方法生成的训练样本对目标检测模型进 行训练， 获得 更新后的目标检测模型； 或者， 利用原始样本集和由权利要求1至6任一项所述的样本生成方法生成的训练样本 对目标检测模型进行训练， 获得 更新后的目标检测模型。权　利　要　求　书 1/2 页 2 CN 115496960 A 28.一种目标检测模型， 其特征在于， 所述目标检测模型通过如权利要求7所述的目标检 测模型训练方法进行持续自学习更新。 9.一种目标检测方法， 其特征在于， 利用如权利要求8所述的目标检测模型对待检测图 片进行目标检测。 10.一种目标检测系统， 其特征在于， 包括图像采集单元、 模型训练单元和如权利要求8 所述的目标检测模型， 其中： 图像采集单元： 用于采集待检测图片， 待检测图片的一部分用于作为候选样本 图片用 于产生训练样本集以对目标检测模型进行训练更新， 待检测图片的另一部 分用于借由目标 检测模型识别以输出目标检测结果； 模型训练单元： 用于基于生成的训练样本集对目标检测模型进行训练以对目标检测模 型进行更新。权　利　要　求　书 2/2 页 3 CN 115496960 A 3