一种图像处理及模型训练方法、装置、设备和存储介质与流程

技术特征：
1.一种图像处理方法，包括：分别采用两个不同预训练模型对第一无标签数据进行检测，得到所述第一无标签数据对应的两组初始标注信息；根据所述两组初始标注信息之间的相似度，确定所述第一无标签数据的伪标签。2.根据权利要求1所述的方法，其中，所述根据所述两组初始标注信息之间的相似度，确定所述第一无标签数据的伪标签，包括：根据所述两组初始标注信息之间的相似度，从所述两组初始标注信息中确定匹配标注信息对；根据所述匹配标注信息对，确定所述第一无标签数据的伪标签。3.根据权利要求2所述的方法，其中，所述根据所述两组初始标注信息之间的相似度，从所述两组初始标注信息中确定匹配标注信息对，包括：根据所述两组初始标注信息中标注位置之间的相似度，从所述两组初始标注信息中确定候选标注信息对；根据所述候选标注信息对关联的类别预测信息的相似度，从所述候选标注信息对中确定匹配标注信息对。4.根据权利要求3所述的方法，其中，所述根据所述两组初始标注信息中标注位置之间的相似度，从所述两组初始标注信息中确定候选标注信息对，包括：根据第一组初始标注信息中的目标子标注信息与第二组初始标注信息中的每一子标注信息的标注位置之间的第一相似度，以及第二组初始标注信息中的目标子标注信息与第一组初始标注信息中的每一子标注信息的标注位置之间的第二相似度，从所述两组初始标注信息中确定候选标注信息对。5.根据权利要求3或4所述的方法，还包括：确定第一组初始标注信息中的每一子标注信息的标注位置，与第二组初始标注信息中的每一子标注信息的标注位置之间的交并比，作为所述两组初始标注信息中标注位置之间的相似度。6.根据权利要求3所述的方法，还包括：根据所述候选标注信息对中类别预测信息，确定所述候选标注信息对的相对熵，作为所述候选标注信息对中类别预测信息之间的相似度。7.根据权利要求2所述的方法，其中，所述根据所述匹配标注信息对，确定所述第一无标签数据的伪标签，包括：对所述匹配标注信息对进行融合处理，得到所述第一无标签数据的伪标签。8.根据权利要求1-7中任一项所述的方法，其中，根据所述两组初始标注信息之间的相似度，确定所述第一无标签数据的伪标签，包括：根据所述两组初始标注信息的置信度，以及所述两组初始标注信息之间的相似度，确定所述第一无标签数据的伪标签。9.一种模型训练方法，包括：获取包含第二无标签数据和有标签数据的训练样本，以及所述第二无标签数据的伪标签；其中，所述第二无标签数据的伪标签采用权利要求1-8中任一项所述图像处理方法得到；
根据所述训练样本和所述第二无标签数据的伪标签，对待训练模型进行训练。10.一种图像处理装置，包括：数据检测模块，用于分别采用两个不同预训练模型对第一无标签数据进行检测，得到所述第一无标签数据对应的两组初始标注信息；伪标签确定模块，用于根据所述两组初始标注信息之间的相似度，确定所述第一无标签数据的伪标签。11.根据权利要求10所述的装置，其中，所述伪标签确定模块，包括：匹配对确定单元，用于根据所述两组初始标注信息之间的相似度，从所述两组初始标注信息中确定匹配标注信息对；伪标签确定单元，用于根据所述匹配标注信息对，确定所述第一无标签数据的伪标签。12.根据权利要求11所述的装置，其中，所述匹配对确定单元，包括：第一信息对确定子单元，用于根据所述两组初始标注信息中标注位置之间的相似度，从所述两组初始标注信息中确定候选标注信息对；第二信息对确定子单元，用于根据所述候选标注信息对关联的类别预测信息的相似度，从所述候选标注信息对中确定匹配标注信息对。13.根据权利要求12所述的装置，其中，所述第一信息对确定子单元具体用于：根据第一组初始标注信息中的目标子标注信息与第二组初始标注信息中的每一子标注信息的标注位置之间的第一相似度，以及第二组初始标注信息中的目标子标注信息与第一组初始标注信息中的每一子标注信息的标注位置之间的第二相似度，从所述两组初始标注信息中确定候选标注信息对。14.根据权利要求12或13所述的装置，还包括：位置相似度确定模块，用于确定第一组初始标注信息中的每一子标注信息的标注位置，与第二组初始标注信息中的每一子标注信息的标注位置之间的交并比，作为所述两组初始标注信息中标注位置之间的相似度。15.根据权利要求12所述的装置，还包括：类别相似度确定模块，用于根据所述候选标注信息对中类别预测信息，确定所述候选标注信息对的相对熵，作为所述候选标注信息对中类别预测信息之间的相似度。16.根据权利要求11所述的装置，其中，所述伪标签确定单元，具体用于：对所述匹配标注信息对进行融合处理，得到所述第一无标签数据的伪标签。17.根据权利要求10-16中任一项所述的装置，其中，所述伪标签确定模块还具体用于：根据所述两组初始标注信息的置信度，以及所述两组初始标注信息之间的相似度，确定所述第一无标签数据的伪标签。18.一种模型训练装置，包括：数据获取模块，用于获取包含第二无标签数据和有标签数据的训练样本，以及所述第二无标签数据的伪标签；其中，所述第二无标签数据的伪标签采用权利要求10-17中任一项所述图像处理装置得到；模型训练模块，用于根据所述训练样本和所述第二无标签数据的伪标签，对待训练模型进行训练。19.一种电子设备，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的图像处理方法，和/或权利要求9所述的模型训练方法。20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的图像处理方法，和/或权利要求9所述的模型训练方法。21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的图像处理方法，和/或权利要求9所述的模型训练方法。

技术总结
本公开提供了一种图像处理及模型训练方法、装置、设备和存储介质，涉及人工智能技术领域，尤其涉及计算机视觉、3D视觉和深度学习技术领域。具体实现方案为：分别采用两个不同预训练模型对第一无标签数据进行检测，得到所述第一无标签数据对应的两组初始标注信息；根据所述两组初始标注信息之间的相似度，确定所述第一无标签数据的伪标签。能够提高为无标签数据确定的伪标签的精准性。据确定的伪标签的精准性。据确定的伪标签的精准性。


技术研发人员：龚琛婷 谭啸 孙昊
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2022.03.04
技术公布日：2022/6/4