(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 202210960705.2 (22)申请日 2022.08.11 (71)申请人 中关村科 学城城市大脑 股份有限公 司 地址 100081 北京市海淀区中关村南大街5 号1区689号楼海淀科技大厦6层 (72)发明人 葛标　王辉　郭宝松　柳进军　 张聪聪　马圣　赵祥　孙冬雪　 张昆鹏　王远航　 (74)专利代理 机构 北京唯智勤实知识产权代理 事务所(普通 合伙) 11557 专利代理师 孙姣 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/44(2022.01)G06V 10/72(2022.01) G06V 10/762(2022.01) (54)发明名称 训练样本集清洗方法、 装置 (57)摘要 本公开的实施例公开了训练样本集清洗方 法、 装置。 该方法的一具体实施方式包括： 初始训 练样本集中的训练样本包括样本图像和样本图 像的标注； 确定初始训练样本集对应的多种聚类 算法； 利用多种聚类算法， 对各个训练样本进行 聚类以生成聚类结果； 对于聚类结果中的每个 簇， 将簇中所包含的、 标注与簇对应的标签不一 致的训练样 本确定为异常样本； 将异常样本从训 练样本集中删除， 得到更新后训练样本集； 对于 更新后训练样本集中的每个训练样 本， 确定训练 样本包括的样本图像中目标对象的遮挡率和大 小是否满足预设条件， 若满足， 将更新后训练样 本集确定为清洗后训练样本集。 实现了异常训练 样本的剔除。 权利要求书2页 说明书7页 附图3页 CN 115223113 A 2022.10.21 CN 115223113 A 1.一种训练样本集清洗方法， 包括： 获取初始训练样本集， 所述初始训练样本集中的训练样本包括样本图像和所述样本图 像的标注； 确定所述初始训练样本集对应的多种聚类算法； 将所述初始训练样本集中各个训练样本对应的标注的类别数目作为簇数， 利用所述多 种聚类算法， 对所述各个训练样本进行聚类以生成聚类结果， 所述聚类结果中包括所述类 别数目的簇， 每 个簇中包括多个训练样本； 对于所述聚类结果中的每个簇， 将所述簇中所包含的、 标注与所述簇对应的标签不一 致的训练样本确定为异常样本； 将所述异常样本从所述初始训练样本集中删除， 得到更新后训练样本集； 对于所述更新后训练样本集中的每个训练样本， 确定所述训练样本包括的样本图像中 目标对象的遮挡率和大小是否满足预设条件， 若满足， 将所述更新后训练样本集确定为清 洗后训练样本集。 2.根据权利要求1所述的方法， 其中， 所述确定所述初始训练样本集对应的多种聚类算 法， 包括： 对预设聚类算法池中各个聚类算法按照算法类型进行分组， 得到多个聚类算法组， 每 个聚类算法组对应一个 类型的聚类算法； 分别从每 个聚类算法组中抽取一个聚类算法， 得到多种聚类算法。 3.根据权利要求2所述的方法， 其中， 所述利用所述多种聚类算法， 对所述各个训练样 本进行聚类以生成聚类结果， 包括： 对于所述多种聚类算法中每种聚类算法， 通过所述 聚类算法对所述各个训练样本进行 聚类以生成子聚类结果， 得到多个子聚类结果； 为每个子聚类结果设置权重， 以及根据所述每个子聚类结果对应的权重， 对所述多个 子聚类结果进行融合， 得到所述聚类结果。 4.根据权利要求3所述的方法， 其中， 在所述利用所述多种聚类算法， 对所述各个训练 样本进行聚类以生成聚类结果之前， 所述方法还 包括： 确定所述多种聚类算法的应用顺序， 以及按照所述应用顺序进行排序， 得到聚类算法 序列； 以及 所述利用所述多种聚类算法， 对所述各个训练样本进行聚类以生成聚类结果， 包括： 利用所述聚类算法序列中的各个聚类算法， 依次对所述初始训练样本集进行聚类， 以 生成聚类结果。 5.根据权利要求 4所述的方法， 其中， 所述方法还 包括： 基于所述清洗后训练样本集， 对车 型识别初始模型进行训练， 得到车 型识别模型； 获取通过智能拍摄设备拍摄的道路车辆图像； 将所述道路车辆图像输入所述车 型识别模型， 得到车 型识别结果。 6.一种训练样本集清洗装置， 包括： 获取单元， 被配置成获取初始训练样本集， 所述初始训练样本集中的训练样本包括样 本图像和所述样本图像的标注； 确定单元， 被配置成确定所述初始训练样本集对应的多种聚类算法；权　利　要　求　书 1/2 页 2 CN 115223113 A 2聚类单元， 被配置成将所述初始训练样本集中各个训练样本对应的标注的类别数目作 为簇数， 利用所述多种聚类算法， 对所述各个训练样本进行聚类以生 成聚类结果， 所述聚类 结果中包括所述类别数目的簇， 每 个簇中包括多个训练样本； 异常样本筛选单元， 被配置成对于所述聚类结果中的每个簇， 将所述簇中所包含的、 标 注与所述簇对应的标签不 一致的训练样本确定为异常样本； 删除单元， 被配置成将所述异常样本从所述初始训练样本集中删除， 得到更新后训练 样本集； 删除单元进一步被配置成对于所述更新后训练样本集中的每个训练样本， 确定所述训 练样本包括的样本图像中目标对 象的遮挡率和大小是否满足预设条件， 若满足， 将所述更 新后训练样本集确定为清洗后训练样本集。 7.一种电子设备， 包括： 一个或多个处 理器； 存储装置， 其上存 储有一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑5中任一所述的方法。 8.一种计算机可读介质， 其上存储有计算机程序， 其中， 所述程序被处理器执行时实现 如权利要求1 ‑5中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115223113 A 3