标注数据更新方法、装置、计算机设备及存储介质与流程

本发明涉及数据处理、人工智能、智能语音，尤其涉及一种标注数据更新方法、装置、计算机设备及存储介质。

背景技术：

1、随着近些年计算机视觉、人工智能算法等大模型技术的迅速升温，大模型技术代替人工作业已成为一种趋势，例如，采用大模型技术代替查勘人员对事故车辆进行定损。且无论是传统的大模型技术还是最新的大模型技术，都高度依赖于人工标注数据。

2、目前，针对事故车辆采集的车损图像数据集主要以“众包”的方式进行数据标注，即，依靠大量人工标注来完成。然而，由于标注人员缺乏车辆定损的专业知识，导致对车损图像的标注内容不准确、标注人员在进行标注时的标注偏好以及标注人员在标注过程中的操作失误等原因，导致对车损图像数据集的数据标注质量较低。

技术实现思路

1、基于此，提出了一种标注数据更新方法、装置、计算机设备及存储介质，提高车损图像数据集的数据标注质量。

2、第一方面，提供了一种标注数据更新方法，包括：

3、获取目标车损图像，其中，所述目标车损图像为待标注的图像；

4、将所述目标车损图像输入预训练的目标检测深度模型进行数据标注，得到预测标注数据；

5、从终端获取所述目标车损图像的实时标注数据，其中，所述实时标注数据为根据实时操作生成的标注数据，并将所述预测标注数据和所述实时标注数据进行聚类，得到聚类结果；

6、计算所述聚类结果对应的质量分数，并基于所述质量分数，更新所述目标车损图像的实时标注数据。

7、第二方面，提供了一种标注数据更新装置，包括：

8、获取模块，用于获取目标车损图像，其中，所述目标车损图像为待标注的图像；

9、标注模块，用于将所述目标车损图像输入预训练的目标检测深度模型进行数据标注，得到预测标注数据；

10、聚类模块，用于从终端获取所述目标车损图像的实时标注数据，其中，所述实时标注数据为根据实时操作生成的标注数据，并将所述预测标注数据和所述实时标注数据进行聚类，得到聚类结果；

11、更新模块，用于计算所述聚类结果对应的质量分数，并基于所述质量分数，更新所述目标车损图像的实时标注数据。

12、可选地，在本申请的一些实施例中，所述更新模块还包括：

13、第一获取子模块，用于从所述预测标注数据中获取每一组所述聚类中每个预测矩形框的第一标签名称；

14、第二获取子模块，用于从所述实时标注数据中获取每一组所述聚类中每个实时标注矩形框的第二标签名称；

15、第一确定子模块，用于基于多个预设标签名称、所述聚类结果中每组所述聚类的标号、各所述第一标签名称和各所述第二标签名称，确定质量分数矩阵；

16、计算子模块，用于对所述质量分数矩阵中的每一列中的元素进行计算，得到每一组所述聚类的质量分数。

17、可选地，在本申请的一些实施例中，所述第一确定子模块还包括：

18、生成单元，用于根据多个所述预设标签名称和每个所述聚类的标号，生成第一矩阵框和第二矩阵；

19、第一判断单元，用于判断在所述第一矩阵框中所述标号和所述预设标签名称相交处，所述聚类中是否存在实时标注数据与所述预设标签名称匹配，得到第一判断结果；

20、第一确定单元，用于根据所述第一判断结果，确定所述第一矩阵框内的元素值，以得到第一元素矩阵；

21、第二判断单元，用于判断在所述第二矩阵框中所述标号和所述预设标签名称相交处，所述聚类中是否存在预测标注数据，得到第二判断结果；

22、第二确定单元，用于根据所述第二判断结果，确定所述第二矩阵框内的元素值，以得到第二元素矩阵；

23、第一计算单元，用于将所述第一元素矩阵中的元素与所述第二元素矩阵中同一位置的元素进行计算，得到质量分数矩阵。

24、可选地，在本申请的一些实施例中，所述第一确定子模块还包括第三判断单元，所述第三判断单元具体用于：

25、若所述第一矩阵框和所述第二矩阵框的每一列存在一个目标位置对应的预设标签名称为目标标签名称，则每一列中所述目标位置对应的元素值根据每一列中的其它元素值确定。

26、可选地，在本申请的一些实施例中，所述计算子模块还包括：

27、排序单元，用于将每一列中的所述元素按照从大到小的顺序进行排列，得到每组所述聚类对应的元素序列；

28、第二计算单元，用于对所述元素序列进行加权计算，得到所述聚类的质量分数。

29、可选地，在本申请的一些实施例中，所述更新模块还包括：

30、第二确定子模块，用于若所述质量分数小于预设阈值，则确定所述聚类的更新条件；

31、更新子模块，用于根据所述更新条件，更新所述实时标注数据。

32、可选地，在本申请的一些实施例中，所述更新子模块还包括：

33、删除单元，用于若所述更新条件为所述聚类内包含所述实时标注数据且不包含所述预测标注数据，则删除所述实时标注数据；

34、更新单元，用于若所述更新条件为所述聚类内包含所述实时标注数据和所述预测标注数据，则根据所述实时标注数据和所述预测标注数据，更新所述实时标注数据；

35、第三确定单元，用于若所述更新条件为所述聚类内包含所述预测标注数据且不包含所述实时标注数据，则将所述预测标注数据作为所述实时标注数据。

36、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述标注数据更新方法的步骤。

37、第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述标注数据更新方法的步骤。

38、在本申请中，提供一种标注数据更新方法、装置、计算机设备及存储介质，通过获取目标车损图像，其中，目标车损图像为待标注的图像；将目标车损图像输入预训练的目标检测深度模型进行数据标注，得到预测标注数据；从终端获取目标车损图像的实时标注数据，其中，实时标注数据为根据实时操作生成的标注数据，并将预测标注数据和实时标注数据进行聚类，得到聚类结果；计算聚类结果对应的质量分数，并基于质量分数，更新目标车损图像的实时标注数据。在本申请提供的标注数据更新方案中，通过将目标车损图像的预测标注数据和实时标注数据进行聚类，也即，将实时标注数据和预测标注数据通过聚类的方式结合，得到聚类结果，并基于聚类结果对应的质量分数更新实时标注数据。可见，通过将实时标注数据和预测标注数据通过聚类的方式结合，以更新目标车损图像的实时标注数据，从而提高车损图像数据集的数据标注质量。

技术特征：

1.一种标注数据更新方法，其特征在于，包括：

2.根据权利要求1所述的标注数据更新方法，其特征在于，所述聚类结果包括至少一组聚类，所述计算所述聚类结果对应的质量分数，包括；

3.根据权利要求2所述的标注数据更新方法，其特征在于，所述基于多个预设标签名称、所述聚类结果中每个所述聚类的标号、各所述第一标签名称和各所述第二标签名称，确定质量分数矩阵，包括：

4.根据权利要求3所述的标注数据更新方法，其特征在于，还包括：

5.根据权利要求2所述的标注数据更新方法，其特征在于，所述对所述质量分数矩阵中的每一列中的元素进行计算，得到每一组所述聚类的质量分数，包括：

6.根据权利要求1至5任一项所述的标注数据更新方法，其特征在于，所述基于所述质量分数，更新所述目标车损图像的实时标注数据，包括：

7.根据权利要求6所述的标注数据更新方法，其特征在于，所述根据所述更新条件，更新所述实时标注数据，包括：

8.一种标注数据更新装置，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述标注数据更新方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述标注数据更新方法的步骤。

技术总结
本申请涉及人工智能技术领域，揭示了一种标注数据更新方法、装置、计算机设备及存储介质，获取目标车损图像，其中，目标车损图像为待标注的图像；将目标车损图像输入预训练的目标检测深度模型进行数据标注，得到预测标注数据；从终端获取目标车损图像的实时标注数据，其中，实时标注数据为根据实时操作生成的标注数据，并将预测标注数据和实时标注数据进行聚类，得到聚类结果；计算聚类结果对应的质量分数，并基于质量分数，更新目标车损图像的实时标注数据，提高车损图像数据集的数据标注质量。

技术研发人员：赵霄鸿,刘莉红,陈远旭
受保护的技术使用者：平安科技（上海）有限公司
技术研发日：
技术公布日：2024/3/11