本发明的一种基于深度学习的数据集生成方法及系统,涉及一种对深度学习模型进行训练的带有识别概率值的数据集生成方法和系统,目的是为了克服再次训练检测模型时间较长的问题,其中方法具体步骤如下:建立识别错误图片集;利用筛选器模型对识别错误图片集中的所有识别错误图片进行检测,得到每张识别错误图片的识别概率值,生成识别概率图片集;根据识别概率值对识别概率图片进行排序,由识别概率值最高的识别概率图片开始,依序将所有识别概率图片分为N个添加集;且令n∈[1,N];根据n的取值,将第n个添加集中的识别概率图片添加到检测模型的初始训练数据集中,生成检测模型的新训练数据集。
何鑫
哈尔滨市科佳通用机电股份有限公司
150060 黑龙江省哈尔滨市经开区哈平路集中区潍坊路2号
本发明的一种基于深度学习的数据集生成方法及系统,涉及一种对深度学习模型进行训练的带有识别概率值的数据集生成方法和系统,目的是为了克服再次训练检测模型时间较长的问题,其中方法具体步骤如下:建立识别错误图片集;利用筛选器模型对识别错误图片集中的所有识别错误图片进行检测,得到每张识别错误图片的识别概率值,生成识别概率图片集;根据识别概率值对识别概率图片进行排序,由识别概率值最高的识别概率图片开始,依序将所有识别概率图片分为N个添加集;且令n∈[1,N];根据n的取值,将第n个添加集中的识别概率图片添加到检测模型的初始训练数据集中,生成检测模型的新训练数据集。