1.一种图像标注方法，其特征在于，包括：获取用户针对原始图像样本进行的标注操作；利用标注后的图像样本训练目标检测模型，并利用训练后的目标检测模型重新检测所述原始图像样本，得到模型检测结果，所述目标检测模型为并联的设定个数的检测器经融合网络得到；将所述模型检测结果与所述标注后的图像样本进行对比，并显示对比结果，其中，所述利用标注后的图像样本训练目标检测模型包括：利用所述标注后的图像样本分别训练所述目标检测模型中的检测器；当所述目标检测模型中的所有检测器的损失函数的数值到达函数阈值时，确定所有检测器训练成功；将所有检测器训练成功时的输出作为所述目标检测模型中的融合网络的输入，得到训练后的目标检测模型，所述融合网络为全连接层网络。
2.根据权利要求1所述的图像标注方法，其特征在于，所述设定个数为所述原始图像样本中的目标类别数加一，所述融合网络的层数为所述原始图像样本中的目标类别数。
3.根据权利要求1所述的图像标注方法，其特征在于，所述将所述模型检测结果与所述标注后的图像样本进行对比，并显示对比结果包括：计算所述模型检测结果与所述标注后的图像样本中的标注目标的交并比；根据所述交并比与设定值的比较结果，确定需要修正的以及不需要修正的所述标注后的图像样本；利用不同标识区分显示所述需要修正的以及不需要修正的所述标注后的图像样本。
4.根据权利要求3所述的图像标注方法，其特征在于，所述根据所述交并比与设定值的比较结果，确定需要修正的以及不需要修正的所述标注后的图像样本包括：计算所述交并比低于设定值的所述模型检测结果的置信度，并根据所述置信度与第一阈值的比较结果，得到第一类需要修正的所述标注后的图像样本；计算所述交并比等于或大于所述设定值的所述模型检测结果与所述标注后的图像样本的贴合度，并根据所述贴合度与第二阈值的比较结果，得到第二类需要修正的所述标注后的图像样本以及不需要修正的所述标注后的图像样本。
5.根据权利要求4所述的图像标注方法，其特征在于，所述根据所述置信度与第一阈值的比较结果，得到第一类需要修正的所述标注后的图像样本包括：当所述置信度大于或等于所述第一阈值时，确定对应的所述标注后的图像样本中存在漏检目标；当所述置信度小于所述第一阈值时，确定对应的所述标注后的图像样本中存在误检目标；将所述漏检目标与所述误检目标确定为第一类需要修正的所述标注后的图像样本。
6.根据权利要求4所述的图像标注方法，其特征在于，所述根据所述贴合度与第二阈值的比较结果，得到第二类需要修正的所述标注后的图像样本以及不需要修正的所述标注后的图像样本包括：当所述贴合度小于所述第二阈值时，将对应的所述标注后的图像样本确定为第二类需要修正的所述标注后的图像样本；当所述贴合度大于或等于所述第二阈值时，将对应的所述标注后的图像样本确定为不需要修正的所述标注后的图像样本。
7.根据权利要求3所述的图像标注方法，其特征在于，在所述利用不同标识区分显示所述需要修正的以及不需要修正的所述标注后的图像样本之后，所述方法还包括：接收用户针对需要修正的所述标注后的图像样本进行的修正操作。
8.根据权利要求1所述的图像标注方法，其特征在于，所述方法还包括：将所述模型检测结果的目标类别标注在所述标注后的图像样本。
9.一种图像标注装置，其特征在于，包括：标注模块，用于获取用户针对原始图像样本进行的标注操作；模型处理模块，用于利用标注后的图像样本训练目标检测模型，并利用训练后的目标检测模型重新检测所述原始图像样本，得到模型检测结果，所述目标检测模型为并联的设定个数的检测器经融合网络得到；对比模块，用于将所述模型检测结果与所述标注后的图像样本进行对比，并显示对比结果，其中，所述模型处理模块还用于：利用所述标注后的图像样本分别训练所述目标检测模型中的检测器；当所述目标检测模型中的所有检测器的损失函数的数值到达函数阈值时，确定所有检测器训练成功；将所有检测器训练成功时的输出作为所述目标检测模型中的融合网络的输入，得到训练后的目标检测模型，所述融合网络为全连接层网络。
10.根据权利要求9所述的图像标注装置，其特征在于，所述设定个数为所述原始图像样本中的目标类别数加一，所述融合网络的层数为所述原始图像样本中的目标类别数。
11.根据权利要求9所述的图像标注装置，其特征在于，所述对比模块还包括：计算子模块，用于计算所述模型检测结果与所述标注后的图像样本中的标注目标的交并比；对比处理子模块，用于根据所述交并比与设定值的比较结果，确定需要修正的以及不需要修正的所述标注后的图像样本；显示子模块，用于利用不同标识区分显示所述需要修正的以及不需要修正的所述标注后的图像样本。
12.根据权利要求11所述的图像标注装置，其特征在于，所述对比处理子模块具体用于：计算所述交并比低于设定值的所述模型检测结果的置信度，并根据所述置信度与第一阈值的比较结果，得到第一类需要修正的所述标注后的图像样本；计算所述交并比等于或大于所述设定值的所述模型检测结果与所述标注后的图像样本的贴合度，并根据所述贴合度与第二阈值的比较结果，得到第二类需要修正的所述标注后的图像样本以及不需要修正的所述标注后的图像样本。
13.根据权利要求12所述的图像标注装置，其特征在于，所述根据所述置信度与第一阈值的比较结果，得到第一类需要修正的所述标注后的图像样本包括：当所述置信度大于或等于所述第一阈值时，确定对应的所述标注后的图像样本中存在漏检目标；当所述置信度小于所述第一阈值时，确定对应的所述标注后的图像样本中存在误检目标；将所述漏检目标与所述误检目标确定为第一类需要修正的所述标注后的图像样本。
14.根据权利要求12所述的图像标注装置，其特征在于，所述根据所述贴合度与第二阈值的比较结果，得到第二类需要修正的所述标注后的图像样本以及不需要修正的所述标注后的图像样本包括：当所述贴合度小于所述第二阈值时，将对应的所述标注后的图像样本确定为第二类需要修正的所述标注后的图像样本；当所述贴合度大于或等于所述第二阈值时，将对应的所述标注后的图像样本确定为不需要修正的所述标注后的图像样本。
15.根据权利要求11所述的图像标注装置，其特征在于，所述装置还包括：接收修改模块，用于接收用户针对需要修正的所述标注后的图像样本进行的修正操作。
16.根据权利要求9所述的图像标注装置，其特征在于，所述装置还包括：类别比较模块，用于比较所述模型检测结果与所述标注后的图像样本中的目标类别是否一致；类别修正模块，用于当所述模型检测结果与所述标注后的图像样本中的目标类别不一致时，将所述模型检测结果的目标类别标注在所述标注后的图像样本。
17.一种机器可读存储介质，其特征在于，所述机器可读存储介质上存储有指令，该指令用于使得机器执行上述权利要求1-8中的任一项所述的图像标注方法。
转果果小程序
转果果公众号