[发明专利]图像标注方法、目标检测方法、装置及存储介质有效

专利信息
申请号: 201811125625.5 申请日: 2018-09-26
公开(公告)号: CN109359558B 公开(公告)日: 2020-12-25
发明(设计)人: 何长伟;汪铖杰;李季檩;熊意超;钮小光;彭瑾龙;吴永坚;黄飞跃 申请(专利权)人: 腾讯科技(深圳)有限公司;腾讯云计算(北京)有限责任公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京德琦知识产权代理有限公司 11018 代理人: 程杰;王琦
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 标注 方法 目标 检测 装置 存储 介质
【权利要求书】:

1.一种图像标注方法,其特征在于,所述方法包括:

获取第一图像集合和第二图像集合,其中,所述第一图像集合中图像包含目标对象的标签,所述第二图像集合待对其包含的所述目标对象进行标注;

根据所述标签,从所述第一图像集合的图像中提取一个或多个第一图像区域和一个或多个第二图像区域,其中,所述第一图像区域包含所述目标对象,所述第二图像区域未包含所述目标对象;将所述第一图像区域生成为正样本,其中,所述正样本包括所述目标对象的标签;对于任一个所述第二图像区域,为其添加标签而得到一个负样本,所述负样本的标签表示所述第二图像区域未包含所述目标对象;

通过区域推荐方式,从所述第二图像集合提取候选图像区域;基于图的半监督学习方式,利用所述正样本的标签和所述负样本的标签确定所述候选图像区域的标签;以及

根据所述候选图像区域的标签,确定所述第二图像集合的图像中所述目标对象对应的区域并添加与所述目标对象有关的标签;

所述基于图的半监督学习方式,利用所述正样本的标签和所述负样本的标签确定所述候选图像区域的标签,包括:

基于所述正样本、所述负样本和所述候选图像区域,生成无向加权图;为所述无向加权图中各个节点确定k个与这个节点相关联的节点,以使所述无向加权图中各对相关联的节点之间权重的累积和达到最大极值,其中,k为正整数;生成所述无向加权图的连通子图;在包含代表所述正样本的节点的连通子图中,为与该连通子图中节点对应的候选图像区域,添加对应所述目标对象的第一标签;在包含代表所述负样本的节点的连通子图中,为与该连通子图中节点对应的候选图像区域,添加表示不包含所述目标对象的第二标签。

2.如权利要求1所述的方法,其特征在于,所述根据所述标签,从所述第一图像集合的图像中提取一个或多个第一图像区域和一个或多个第二图像区域,包括:

从所述第一图像集合的图像中提取与所述目标对象的标签对应的边界框内的区域,并将每个所述边界框内的区域作为一个所述第一图像区域;

从所述第一图像集合的图像中提取所述边界框之外的子区域,并将所述边界框之外的每个子区域作为一个所述第二图像区域。

3.如权利要求1所述的方法,其特征在于,所述通过区域推荐方式,从所述第二图像集合提取候选图像区域,包括:

利用选择性搜索方式,确定所述第二图像集合中图像的所述候选图像区域。

4.如权利要求3所述的方法,其特征在于,所述利用选择性搜索方式,确定所述第二图像集合中图像的所述候选图像区域,包括:

对于所述第二图像集合中任一个图像,将该图像划分成多个区域,以得到包含所述多个区域的第一集合;

确定所述第一集合中各对相邻的两个区域之间的相似度,而得到包含所述相似度的第二集合;

迭代执行下述操作,直到所述第二集合为空:确定所述第二集合中的最大值,将所述最大值对应的两个区域合并为一个新的区域,删除所述第二集合中与所述最大值对应的两个区域有关的相似度,计算所述新的区域与相邻区域的相似度,并将计算得到的相似度添加到所述第二集合中,将所述新的区域加入到所述第一集合中;

从所述第一集合中挑选区域作为所述候选图像区域。

5.如权利要求1所述的方法,其特征在于,其中,所述无向加权图中任一个节点表示所述正样本、所述负样本和所述候选图像区域中的任一个区域,所述无向加权图中任意两个节点之间的权重表示这两个节点对应的区域之间的图像相似度。

6.如权利要求1所述的方法,其特征在于,所述生成所述无向加权图的连通子图,包括:

将所述无向加权图中各对相关联的节点连通,以生成所述无向加权图的连通子图,其中,各个所述连通子图中任意两个节点路径连通。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司;腾讯云计算(北京)有限责任公司,未经腾讯科技(深圳)有限公司;腾讯云计算(北京)有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811125625.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top