[发明专利]一种基于ESP游戏的图片自动标注信息处理方法及装置

说明书

本发明涉及一种基于ESP游戏的图片自动标注信息处理方法及装置，其中方法包括步骤S1：接收出题方选择的图片以及对图片的标注信息；步骤S2：接收答题方对于各图片的标注信息；步骤S3：比对出题方和各答题方对于图片的标注信息，计算出题方和各答题方的默契度，以及得到每张图片的标注。与现有技术相比，本发明基于ESP游戏，可以借助出题人和答题人对库中的图片进行快速标注，只需要提供带宽和计算机就可以实现自动标注，以及基于默契度的比对方式，可以提高标注的准确性。

技术领域

本发明涉及机器学习领域，尤其是涉及一种基于ESP游戏的图片自动标注信息处理方法及装置。

背景技术

随着互联网的全面覆盖以及数码相机、智能手机等成像设备的普及，使得人们通过QQ、微信等社交软件进行图片分享成为这个时代的潮流。这也使得每天有海量的图片在社交网络上传播，如何有效的收集和利用这些图片将意义重大。另一方面，近些年，随着深度神经网络在图像识别领域取得了突破性的进展，使得其在图像处理领域的的应用迅速普及。大量基于图像的分析和学习工作，比如人脸识别、图像场景分类、图像质量评价、图像检索等。在这些现有的工作中，都涉及正确的标记数据(ground truth)。在人脸识别过程中，首先需要进行人脸检测，检测的准确率需要已标记的数据来进行判断；在图像场景(食物，风景，夜间等)分类任务中，需要不同场景的标记数据进行分类器的训练；图像质量评价方法一种是采用人工判断，另外一种是基于已有的标记数据来进行判断；在以上这些应用场景中，精确标注的图片训练集是成功训练深度学习模型的关键所在。同时，图片标注工作不仅有助于学习模型的构建，还将有助于完善现有的图片搜索系统。

然而，通过传统的人工进行图像标注不仅价格昂贵、效率低，更由于这些标注往往由多人分工完成，通常每张图片由独立的个人来完成，使得图片的标注带有一定的个人主观性，更可能会因为个人认知的不足造成错误标注。这些错误标注会成为噪声标注将直接影响深度神经网络的训练效果。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于ESP游戏的图片自动标注信息处理方法及装置。

本发明的目的可以通过以下技术方案来实现：

一种基于ESP游戏的图片自动标注信息处理方法，包括：

步骤S1：接收出题方选择的图片以及对图片的标注信息；

步骤S2：接收答题方对于各图片的标注信息；

步骤S3：比对出题方和各答题方对于图片的标注信息，计算出题方和各答题方的默契度，以及得到每张图片的标注。

所述步骤S1具体包括：

步骤S11：向出题方展示图片库中的图片；

步骤S12：接收出题方选择的图片以及对图片的标注信息，并判断是否含有出题人导入的图片，若为是，则执行步骤S13，反之，则执行步骤S14；

步骤S13：将出题方导入的图片存入图片库中，并为每张图片的生成编码；

步骤S14：根据出题方选择的图片以及对图片的标注信息生成内容消息以及该内容消息的url链接，并由出题方对外发送。

所述步骤S2具体包括：

步骤S21：接收到答题方通过所述url链接的访问请求后，向答题方发送含有出题方选择的图片的内容消息；

步骤S22：接收答题方对于各图片的标注信息。

所述步骤S3具体包括：

步骤S31：比对出题方和各答题方对于图片的标注信息，计算出题方和各答题方的默契度：

Matching(Q，A_i)＝1/T∑S_T(P，G)