[发明专利]基于物体检测模型的物体标注方法及相关设备

说明书

本申请涉及人工智能领域，本申请公开了一种基于物体检测模型的物体标注方法及相关设备，所述方法包括：获取图片并通过物体检测模型确定所述图片中物体在所述图片中所处的区域；根据所述区域内的物体通过物体检测模型确定所述物体的类型；根据所述物体的区域及类型在所述物体的区域内对所述物体进行标注。本申请通过物体检测模型获得图片中物体的区域和类型后在所述物体区域内标注所述物体的区域和类型，可以实现自动对图片中的物体进行标注，提高效率。

技术领域

本申请涉及人工智能领域，特别涉及一种基于物体检测模型的物体标注方法及相关设备。

背景技术

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一副图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。当前深度学习中的物体检测模型可以在一张图片中对各个物体的类型及坐标进行识别，但是无法对图片中的物体进行标注，而通过人工进行标注，必然会导致浪费大量的人力，且效率低下。

发明内容

本申请的目的在于针对现有技术的不足，提供一种基于物体检测模型的物体标注方法及相关设备，可以自动的对图片中的物体进行标注，提高效率。

为达到上述目的，本申请的技术方案提供一种基于物体检测模型的物体标注方法及相关设备。

本申请公开了一种基于物体检测模型的物体标注方法，包括以下步骤：

获取图片并通过物体检测模型确定所述图片中物体在所述图片中所处的区域；

根据所述区域内的物体通过物体检测模型确定所述物体的类型；

根据所述物体的区域及类型在所述物体的区域内对所述物体进行标注。

较佳地，所述获取图片并通过物体检测模型确定所述图片中物体在所述图片中所处的区域，包括：

获取图片并根据所述图片通过物体检测模型生成多个物体候选框；

在所述多个物体候选框中根据物体相似概率对所述物体候选框进行筛选；

根据筛选后的物体候选框确定物体的区域。

较佳地，所述根据所述区域内的物体通过物体检测模型确定所述物体的类型，包括：

获取所述图片中物体在所述图片中所处的区域；

通过高斯函数与所述区域对应的图像的卷积获取尺度空间，并在所述尺度空间上检测像素极值点，根据所述像素极值点获取特征点的位置及尺度并为所述特征点分配方向，根据所述特征点的位置、尺度及方向信息生成特征向量；

将所述特征向量输入SVM分类器中，通过所述SVM分类器获取所述区域对应的物体的类型。

较佳地，所述根据所述物体的区域及类型在所述物体的区域内对所述物体进行标注，包括：

根据所述物体区域确定所述图片中物体在所述图片中所处的区域对应的外边框范围；

在所述外边框范围上通过线条对所述物体的区域进行标注。

较佳地，所述根据所述物体的区域及类型在所述物体的区域内对所述物体进行标注，包括：

获取所述物体的类型；

在所述物体的区域内通过文本信息对所述物体的类型进行标注。

较佳地，所述根据所述物体的区域及类型在所述物体的区域内对所述物体进行标注，包括：

将所述特征向量输入RCNN模型，通过所述RCNN模型获取物体类型及所述物体类型对应的可信概率；