(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 202210541103.3 (22)申请日 2022.05.17 (71)申请人 阿波罗智联 （北京） 科技有限公司 地址 100176 北京市大兴区北京经济技 术 开发区瑞合西二路7号院1号楼1层101 (72)发明人 夏春龙　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 鄢功军 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06K 9/62(2022.01)G06N 20/00(2019.01) (54)发明名称 样本图像生 成方法、 深度学习模型的训练方 法和装置 (57)摘要 本公开提供了一种样 本图像生 成方法， 涉及 人工智能技术领域， 尤其涉及深度学习、 计算机 视觉和自动驾驶技术领域。 具体实现方案为： 对 包括至少一个对象的原始图像进行图像 分割， 得 到至少一个标注区域， 其中， 至少一个对象中每 个对象被一个标注区域包围； 针对至少一个标注 区域， 根据每个对象在用于包围每个对象的标注 区域中的占比， 确定至少一个标签； 以及根据至 少一个标签和原始图像， 生成样本图像。 本公开 还提供了一种深度学习模型的训练方法、 对象分 类方法、 目标对象检测方法、 装置、 电子设备和存 储介质。 权利要求书3页 说明书14页 附图10页 CN 114882283 A 2022.08.09 CN 114882283 A 1.一种样本图像生成方法， 包括： 对包括至少一个对象的原始图像进行图像分割， 得到至少一个标注区域， 其中， 所述至 少一个对象中每 个对象被一个所述标注区域包围； 针对所述至少一个标注区域， 根据 所述每个对象在用于包围所述每个对象的所述标注 区域中的占比， 确定 至少一个标签； 以及 根据所述至少一个标签和所述原 始图像， 生成样本图像。 2.根据权利要求1所述的方法， 其中， 所述标注区域中包括第一对象和第二对象， 所述 第一对象被所述标注 区域包围， 所述第二对 象包括以下至少之一： 除所述第一对 象之外的 其他对象和除所述第一对象之外的其 他对象的局部 。 3.根据权利要求2所述的方法， 其中， 所述针对所述至少一个标注区域， 根据所述每个 对象在用于包围所述每 个对象的所述标注区域中的占比， 确定 至少一个标签包括： 将所述标注区域中的所述第一对象和所述第二对象作为目标对象， 得到多个目标对 象； 根据所述多个目标对象在所述标注区域中的占比， 确定多个子标签； 以及 根据所述多个子标签， 确定所述至少一个标签中的每 个标签。 4.根据权利要求3所述的方法， 其中， 所述根据所述多个目标对象在所述标注区域中的 占比， 确定多个子标签包括： 根据所述标注区域中与每个目标对象对应的像素数量和所述标注区域的像素数量， 确 定所述每 个目标对象在所述标注区域中的占比； 以及 根据所述每 个目标对象在所述标注区域中的占比， 确定每 个子标签。 5.根据权利要求3所述的方法， 其中， 所述根据所述多个目标对象在所述标注区域中的 占比， 确定多个子标签包括： 将所述标注区域划分为多个标注子区域； 根据所述多个标注子区域中每个标注子区域中与每个目标对象对应的像素， 确定所述 每个标注子区域中所述每 个目标对象的占比； 将所述每个目标对象的占比大于预设阈值的标注子区域， 确定为与 所述每个目标对象 对应的目标 标注子区域； 根据所述目标标注子区域和所述多个标注区域， 确定所述每个目标对象在所述标注区 域中的占比； 以及 根据所述每 个目标对象在所述标注区域中的占比， 确定每 个子标签。 6.根据权利要求1所述的方法， 其中， 所述对包括至少一个对象的原始图像进行图像分 割， 得到至少一个标注区域包括： 对所述原 始图像进行目标检测， 得到中间图像； 以及 对所述中间图像进行图像分割， 得到所述至少一个标注区域。 7.一种深度学习模型的训练方法， 包括： 将样本图像输入深度 学习模型， 得到至少一个输出值， 其中， 所述样本图像具有至少一 个标签； 根据所述至少一个输出值和所述至少一个标签， 确定损失值； 以及 根据所述损失值， 训练所述深度学习模型，权　利　要　求　书 1/3 页 2 CN 114882283 A 2其中， 所述样本图像是根据权利要求1至 6任一项所述的方法生成的。 8.一种对象分类方法， 包括： 将待处理图像输入深度学习模型， 得到 至少一个分类结果； 其中， 所述深度学习模型 是利用根据权利要求7 所述的方法训练的。 9.一种目标对象检测方法， 包括： 将待处理图像输入深度学习模型， 得到 至少一个目标对象检测结果； 其中， 所述深度学习模型 是利用根据权利要求7 所述的方法训练的。 10.一种样本图像生成装置， 包括： 分割模块， 用于对包括至少一个对象的原始图像进行图像分割， 得到至少一个标注区 域， 其中， 所述至少一个对象中每 个对象被一个所述标注区域包围； 第一确定模块， 用于针对所述至少一个标注区域， 根据所述每个对象在用于包围所述 每个对象的所述标注区域中的占比， 确定 至少一个标签； 以及 生成模块， 用于根据所述至少一个标签和所述原 始图像， 生成样本图像。 11.根据权利要求10所述的装置， 其中， 所述标注区域中包括第一对象和第二对象， 所 述第一对 象被所述标注 区域包围， 所述第二对 象包括以下至少之一： 除所述第一对 象之外 的其他对象和除所述第一对象之外的其 他对象的局部 。 12.根据权利要求1 1所述的装置， 其中， 所述第一确定模块包括： 获得子模块， 用于将所述标注区域中的所述第一对象和所述第二对象作为目标对象， 得到多个目标对象； 第一确定子模块， 用于根据所述多个目标对象在所述标注区域中的占比， 确定多个子 标签； 以及 第二确定 子模块， 用于根据所述多个子标签， 确定所述至少一个标签中的每 个标签。 13.根据权利要求12所述的装置， 其中， 所述第一确定 子模块包括： 第一确定单元， 用于根据所述标注区域中与每个目标对象对应的像素数量和所述标注 区域的像素 数量， 确定所述每 个目标对象在所述标注区域中的占比； 以及 第二确定单元， 用于根据所述每个目标对象在所述标注区域中的占比， 确定每个子标 签。 14.根据权利要求12所述的装置， 其中， 所述第一确定 子模块包括： 划分单元， 用于将所述标注区域划分为多个标注子区域； 第三确定单元， 用于根据所述多个标注子区域中每个标注子区域中与每个目标对象对 应的像素， 确定所述每 个标注子区域中所述每 个目标对象的占比； 第四确定单元， 用于将所述每个目标对象的占比大于预设阈值的标注子区域， 确定为 与所述每 个目标对象对应的目标 标注子区域； 第五确定单元， 用于根据所述目标标注子区域和所述多个标注区域， 确定所述每个目 标对象在所述标注区域中的占比； 以及 第六确定单元， 用于根据所述每个目标对象在所述标注区域中的占比， 确定每个子标 签。 15.根据权利要求10所述的装置， 其中， 所述分割模块包括： 目标检测子模块， 用于对所述原 始图像进行目标检测， 得到中间图像； 以及权　利　要　求　书 2/3 页 3 CN 114882283 A 3