(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 202210690639.1 (22)申请日 2022.06.17 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 严正　刘鹏　刘玉宇　肖京　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 严林　钟良 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的目标检测样本生成方法及 相关设备 (57)摘要 本申请提出一种基于人工智能的目标检测 样本生成方法、 装置、 电子设备及存储介质， 基于 人工智能的目标检测样本生 成方法包括： 采集样 本图像以获得优化样本图像集； 对 所述优化样本 图像集进行分类获得分类图像集； 分别计算目标 分类图像集中的目标图像与其他图像之间的图 像相似度获得目标相似图像集； 对 所述目标相似 图像集中的所有图像进行加权求和获得目标均 衡图像； 对 所述目标均衡图像进行组合以生成样 本训练集， 并基于所述样本训练集获得训练好的 目标检测模 型； 基于所述训练好的目标检测模型 进行目标检测获得目标检测结果。 本申请能够通 过少量的标注样本生成大量的样 本图像， 从而提 高对新类别目标进行检测的准确性。 权利要求书2页 说明书14页 附图2页 CN 114972883 A 2022.08.30 CN 114972883 A 1.一种基于人工智能的目标检测样本生成方法， 其特 征在于， 所述方法包括： 采集样本图像， 并对所有的样本图像进行 预处理后获得优化样本图像集； 对所述优化样本图像集中的所有图像进行标注， 并对标注后的所有图像进行分类获得 多种类别的分类图像集； 分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的 图像相似度获得所述目标图像的目标相似图像集， 所述目标分类图像集为所有类别的分类 图像集中的任意 一个， 所述目标图像为对应 类别的目标分类图像集中的任意 一幅图像； 对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图像， 所述目标均衡 图像与所述目标相似图像集 一一对应； 对每一种类别的各个目标相似图像集的目标均衡图像进行组合以生成样本训练集， 并 基于所述样本训练集对预设的目标检测模型进行训练以获得训练好的目标检测模型； 基于所述训练好的目标检测模型进行目标检测获得目标检测结果。 2.如权利要求1所述的基于人工智能的目标检测样本生成方法， 其特征在于， 所述采集 样本图像， 并对所有的样本图像进行 预处理后获得优化样本图像集， 包括： 采集样本图像， 并将所有的样本图像转换为灰度图像得到灰度图像集； 对所述灰度图像集中的所有灰度图像进行均值滤波获得优化样本图像集。 3.如权利要求1所述的基于人工智能的目标检测样本生成方法， 其特征在于， 所述对所 述优化样本图像集中的所有图像进行标注， 并对标注后的所有图像进 行分类获得多种类别 的分类图像集， 包括： 依据预设方式对所述优化样本图像集中的所有图像进行框选获得目标框图像， 并对不 同类别的目标框图像标注不同的标签值； 依据所述标签值的类别对所有的目标框图像进行分类获得多种类别的分类图像集， 所 述每种分类图像集包括相同标签值类别的多幅目标框图像。 4.如权利要求1所述的基于人工智能的目标检测样本生成方法， 其特征在于， 所述分别 计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的图像相似 度获得所述目标图像的目标相似图像集， 所述目标分类图像集为所有类别的分类图像集中 的任意一个， 所述目标图像为对应 类别的目标分类图像集中的任意 一幅图像， 包括： 分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其他图像之间的 图像相似度； 基于所述目标图像对应的所有图像相似度计算所述目标图像的图像相似度阈值， 并基 于所述图像相似度阈值筛选所述目标分类图像集中的图像得到目标相似图像集， 所述目标 相似图像集与所述目标图像一 一对应； 遍历所有类别的分类图像集和每一种类别的分类图像集中的所有图像获得每一种类 别的分类图像集中的每一幅图像的目标相似图像集。 5.如权利要求4所述的基于人工智能的目标检测样本生成方法， 其特征在于， 所述基于 所述目标图像对应的所有图像相似度计算图像相似度阈值， 并基于所述图像相似度阈值筛 选所述目标分类图像集中的图像得到目标相似图像集， 包括： 依据最大类间方差法计算所述目标图像对应的所有图像相似度获得图像相似度阈值； 将所述目标图像对应的所有大于所述图像相似度阈值的图像相似度进行保留， 并将所权　利　要　求　书 1/2 页 2 CN 114972883 A 2有保留下来的图像相似度对应的图像作为所述目标图像的目标相似图像集。 6.如权利要求1所述的基于人工智能的目标检测样本生成方法， 其特征在于， 所述对所 述目标相似图像集中的所有图像进行加权求和获得目标均衡图像， 所述目标均衡图像与所 述目标相似图像集 一一对应， 包括： 将所述目标相似图像集中各图像与目标图像的图像相似度作为所述目标相似图像集 中各图像对应的相似度权 重； 对所述目标相似图像集中的各图像对应的相似度权重进行归一化获得各图像对应的 归一化相似度权 重； 对所述目标相似图像集中的各图像和各图像对应的归一化相似度权重进行加权求和 获得所述目标相似图像集的目标均衡图像。 7.如权利要求1所述的基于人工智能的目标检测样本生成方法， 其特征在于， 所述对每 一种类别的各个目标相似图像集的目标均衡图像进行组合以生成样本训练集， 并基于所述 样本训练集对预设的目标检测模型进行训练以获得训练好的目标检测模型， 包括： 对所述目标分类图像集中的所有目标均衡图像进行组合获得目标样本训练集； 遍历所有类别的分类图像集， 并将获得的所有目标样本集作为样本训练集； 基于所述样本训练集对预设的目标检测模型进行训练获得训练好的目标检测模型。 8.一种基于人工智能的目标检测样本生成装置， 其特 征在于， 所述装置包括： 采集单元， 用于采集样本 图像， 并对所有的样本 图像进行预处理后获得优化样本 图像 集； 分类单元， 用于对所述优化样本 图像集中的所有图像进行标注， 并对标注后的所有图 像进行分类获得多种类别的分类图像集； 计算单元， 用于分别计算目标分类图像集中的目标图像与所述目标分类图像集中的其 他图像之 间的图像相似度获得所述目标图像的目标相似图像集， 所述目标分类图像集为所 有类别的分类图像集中的任意一个， 所述目标图像为对应类别的目标分类图像集中的任意 一幅图像； 获得单元， 用于对所述目标相似图像集中的所有图像进行加权求和获得目标均衡图 像， 所述目标均衡图像与所述目标相似图像集 一一对应； 组合单元， 用于对每一种类别的各个目标相似图像集的目标均衡图像进行组合以生成 样本训练集， 并基于所述样本训练集对预设的目标检测模型进行训练以获得训练好的目标 检测模型； 检测单元， 用于基于所述训练好的目标检测模型进行目标检测获得目标检测结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 存储器， 存储有计算机可读指令； 及 处理器， 执行所述存储器 中存储的计算机可读指令以实现如权利要求1至7中任意一项 所述的基于人工智能的目标检测样本生成方法。 10.一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计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一项 所述的基于 人工智能的目标检测样本生成方法。权　利　要　求　书 2/2 页 3 CN 114972883 A 3