(19)中华 人民共和国 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 202111665191.X (22)申请日 2021.12.31 (71)申请人 深圳云天励飞技 术股份有限公司 地址 518116 广东省深圳市龙岗区园山 街 道龙岗大道8288号深圳大运软件小镇 17栋1楼 （在深圳市龙岗区回龙路乐年 广场13B栋1402处设有经营场所从事 经营活动） (72)发明人 冯展鹏　胡文泽　王孝宇　陈宁　 (74)专利代理 机构 北京维昊知识产权代理事务 所(普通合伙) 11804 代理人 柯正怡 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06K 9/62(2022.01) (54)发明名称 一种图像 检测模型的训练方法和相关产品 (57)摘要 本发明涉及一种图像检测模 型的训练方法、 电子设备和计算机可读存储介质。 该训练方法将 未标注图像数据输入预训练的图像检测模型进 行图像检测， 以得到检测结果， 检测结果包括第 一类别信息； 利用预训练的聚类模 型对检测结果 执行聚类操作， 得到第二类别信息； 根据第二类 别信息对第一类别信息进行修正， 以得到修正后 的第三类别信息； 利用第三类别信息对未标注图 像数据进行标注， 以便将未标注图像数据转换成 标注图像数据， 将标注图像数据加入到标注图像 训练集中， 以用于图像检测模型的下一轮训练； 响应于图像检测模型满足预设的条件时， 输出图 像检测模型。 通过本发明的方案， 解决了对图像 检测模型进行训练时人工标注成本高的问题。 权利要求书2页 说明书9页 附图6页 CN 114373088 A 2022.04.19 CN 114373088 A 1.一种图像 检测模型的训练方法， 其特 征在于， 包括： 将未标注图像数据输入预训练的图像检测模型进行图像检测， 以得到检测结果， 其中 所述检测结果包括第一类别 信息； 利用预训练的聚类模型对所述检测结果执 行聚类操作， 得到第二类别 信息； 根据所述第二类别信息对所述第一类别信息进行修正， 以得到修正后的第三类别信 息； 利用所述第 三类别信 息对所述未标注图像数据进行标注， 以便将未标注图像数据转换 成标注图像数据； 将所述标注图像数据加入到标注图像训练集中， 以用于所述图像检测模型的下一轮训 练； 响应于所述图像 检测模型满足预设的条件时， 输出 所述图像 检测模型。 2.根据权利要求1所述的训练方法， 其特征在于， 在利用预训练 的聚类模型对所述检测 结果执行聚类操作之前还 包括： 获取一个预设的分类模型， 其中所述分类模型包括特 征提取层和分类层； 对所述分类模型进行训练； 将已训练的分类模型中的分类层移除， 并将分类层替换为聚类层， 以得到预训练的聚 类模型， 其中所述聚类层包 含预设的聚类算法。 3.根据权利要求2所述的训练方法， 其特 征在于， 其中对所述分类模型进行训练包括： 利用训练数据集对所述分类模型进行训练， 所述训练数据集为预先获取的、 已标注的 图像数据。 4.根据权利要求1所述的训练方法， 其特征在于， 其中利用预训练 的聚类模型对所述检 测结果执 行聚类操作， 得到第二类别 信息包括： 利用所述 聚类模型将所述检测结果划分为不同的分类簇， 并确定所述分类簇对应的类 别信息； 获取所述标注图像训练集中的目标簇对应的类别 信息； 根据所述分类簇对应的类别信息与所述标注图像训练集中目标簇对应的类别信息的 关系确定所述第二类别 信息。 5.根据权利要求4所述的训练方法， 其特征在于， 所述利用所述 聚类模型将所述检测结 果划分为 不同的分类簇， 并确定所述分类簇对应的类别 信息包括： 提取所述检测结果的特 征信息； 对所述特 征信息进行聚类 计算， 以将所述检测结果划分至不同的分类簇； 以及 将属于同一分类簇的检测结果判定为相同的类别， 以确定所述分类簇对应的类别信 息。 6.根据权利要求4或5所述的训练方法， 其特征在于， 所述根据所述分类簇对应的类别 信息与所述标注图像训练集中目标簇对应的类别 信息的关系确定所述第二类别 信息包括： 判断分类簇对应的类别信息与所述标注图像训练集中目标簇对应的类别信息是否一 致； 以及 响应于所述分类簇对应的类别信息与所述标注图像训练集中目标簇对应的类别信息 一致， 将检测结果与标注图像训练集中的目标簇划分为同一簇， 以确定所述第二类别 信息。权　利　要　求　书 1/2 页 2 CN 114373088 A 27.根据权利要求1所述的训练方法， 其特征在于， 所述根据 所述第二类别信 息对所述第 一类别信息进行修 正， 以得到修 正后的第三类别 信息包括： 判断所述第二类别 信息与所述第一类别 信息是否一 致； 响应于所述第 二类别信 息与所述第一类别信 息不一致， 将所述第 二类别信 息作为修正 后的第三类别 信息。 8.根据权利要求1所述的训练方法， 其特征在于， 所述预设的条件包括所述图像检测模 型达到预设精度或者训练次数达 到预设次数。 9.根据权利要求8所述的训练方法， 其特征在于， 所述图像检测模型达到预设精度包 括： 将当前图像检测模型的模型精度与 前一次验证的图像检测模型的模型精度进行比较， 当前图像 检测模型的模型精度无 预期提升或模型精度下降。 10.一种图像 检测模型的训练装置， 其特 征在于， 包括： 检测模块， 其配置成将未标注图像数据输入预训练的图像检测模型进行图像检测， 以 得到检测结果， 其中所述检测结果包括第一类别 信息； 聚类分析模块， 其配置成利用预训练的聚类模型对所述检测结果执行聚类操作， 得到 第二类别信息； 根据所述第二类别信息对所述第一类别信息进行修正， 以得到修正后的第 三类别信息； 标注模块， 其配置成利用所述第三类别信息对所述未标注图像数据进行标注， 以便将 未标注图像数据转换成标注图像数据； 数据融合模块， 其配置成将所述标注图像数据加入到标注图像训练集中， 以用于所述 图像检测模型的下一轮训练； 验证模块， 其配置成响应于所述图像检测模型满足预设的条件时， 输出所述图像检测 模型。 11.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 其存储有用于对图像检测模型进行训练的计算机指令， 当所述计算机指令由 所述处理器运行时， 使得 所述电子设备 执行实现权利要求1 ‑9中任意一项所述的方法。 12.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有用于对 图像检测模型进 行训练的计算机可读指令， 该计算机可读指令被一个或多个处理器执行时 实现如权利要求1 ‑9任意一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114373088 A 3