[发明专利]图像数据的标注方法和装置

说明书

本申请实施例提供了一种图像数据的标注方法和装置，其中，该方法包括：获取待标注的图像数据；利用预设的检测网络模型确定出所述待标注的图像数据中的目标区域，并标注出所述目标区域的位置；利用预设的分类网络模型对所述目标区域的位置处的图像数据进行识别，并标注识别结果。该方案通过先利用事先训练好的检测网络模型寻找并标注目标对象所在的目标区域，再利用事先训练好的分类网络模型识别并标注目标区域中的图像数据是否是目标对象，从而解决了现有的数据标注方法中存在的准确度差、效率低的技术问题，达到了能高效、精确地对大量图像数据进行自动标注的技术效果。

技术领域

本申请涉及图像识别技术领域，特别涉及一种图像数据的标注方法和装置。

背景技术

在图像识别领域，通常需要先对样本图像数据进行标注，再利用标注后的样本图像数据对神经网络模型进行学习、训练，以得到用于图像识别的神经网络模型。

为了获取用于学习、训练的标注后的样本图像数据，现有方法大多是通过人工标注的方式对所采集的样本数据进行标注。具体的，技术人员依靠自身的经验和对图像内容的理解，逐一框出图像中的目标对象，并作对应的标注。由上可见，现有的图像数据的标注方法在实现过程中由于需要依赖技术人员个人的经验和对图像内容的理解，导致不同的技术人员由于所依据的经验和对图像内容的理解不同，标注后的样本图像数据也往往会存在差异，不够客观。此外，现有方法通过人工标注，标注速度相对较慢。并且由于通常需要标注的图像数的量相对较大，例如可能多达到几T，导致现有方法在实施过程中，也容易产生误差。综上可知，现有方法具体实施时，往往存在准确度差、效率低的技术问题。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种图像数据的标注方法和装置，以解决现有的数据标注方法中存在的准确度差、效率低的技术问题，达到能高效、精确地对大量图像数据进行自动标注的技术效果。

本申请实施例提供了一种图像数据的标注方法，包括：

获取待标注的图像数据；

利用预设的检测网络模型确定出所述待标注的图像数据中的目标区域，并标注出所述目标区域的位置；

利用预设的分类网络模型对所述目标区域的位置处的图像数据进行识别，并标注识别结果。

在一个实施方式中，在获取待标注的图像数据后，所述方法还包括：

对所述待标注的图像数据进行均衡化处理。

在一个实施方式中，对所述待标注的图像数据进行均衡化处理，包括：

根据所述待标注的图像数据，生成图像通道像素值的直方统计图；

对所述图像通道像素值的直方统计图中位于阈值范围内的通道像素值进行线性扩充；

根据线性扩充后的图像通道像素值的直方统计图，确定均衡化处理后的待标注的图像数据。

在一个实施方式中，利用预设的分类网络模型对所述目标区域的位置处的图像数据进行识别，包括：

提取所述目标区域的位置处的图像数据；

利用所述预设的分类网络模型对所述目标区域位置处的图像数据进行目标对象识别，以生成置信度参数，并根据所述置信度参数确定识别结果，其中，所述置信度参数用于指示所述目标区域的位置处的图像数据为目标对象的概率。

在一个实施方式中，所述预设的检测网络模型按照以下方式建立：

获取第一训练样本，其中，所述第一训练样本包括标注有目标对象所处位置的图像数据；

利用所述第一训练样本对第一神经网络模型进行训练学习，得到所述预设的检测网络模型。