[发明专利]标签的扩充方法和电子设备

说明书

本发明实施例涉及计算机视觉领域，公开了一种标签的扩充方法和电子设备。本发明中，标签的扩充方法，包括：利用N个检测模型分别对待标注的图像进行检测；其中，所述N为大于1的自然数；获取所述N个检测模型的N个检测结果；其中，一个检测模型对应一个检测结果；根据获取的所述N个检测结果对所述待标注的图像进行标注；将标注好的图像作为标签添加到标签数据集中，使得可以避免漏标的问题，提高标注出的目标位置的准确性，有利于扩充高质量的标签数据集。

技术领域

本发明实施例涉及计算机视觉领域，特别涉及一种标签的扩充方法和电子设备。

背景技术

目标检测是计算机视觉领域中应用深度学习技术最为广泛的一项任务，它是指从图像中识别出多个预定义类别的物体，并确定它们的位置。近十年来深度学习技术在目标检测方面的应用取得了巨大成功。深度学习中很多神经网络都需要大量的高质量标签数据集。

然而，发明人发现现有技术中至少存在如下问题：在实际应用中，为了达到快速扩充检测标签的目的，人们期望用自动标注工具去代替人工进行数据的标注，目前自动标注技术的实现方式主要是利用高精度模型对数据进行预标注，然后再利用人工进行校正。现有的样本标注方法包括目标检测，类别判定，人工校正数据和模型更新四个步骤。但是发明人发现通过上述方式容易造成漏标问题，且标注出来的目标位置不准确，导致扩充的标签不准确，影响了高质量标签数据集的形成。

发明内容

本发明实施方式的目的在于提供一种标签的扩充方法和电子设备，使得可以避免漏标的问题，提高标注出的目标位置的准确性，有利于扩充高质量的标签数据集。

为解决上述技术问题，本发明的实施方式提供了一种标签的扩充方法，包括以下步骤：利用N个检测模型分别对待标注的图像进行检测；其中，所述N为大于1的自然数；获取所述N个检测模型的N个检测结果；其中，一个检测模型对应一个检测结果；根据获取的所述N个检测结果对所述待标注的图像进行标注；将标注好的图像作为标签添加到标签数据集中。

本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的标签的扩充方法。

本发明实施方式相对于现有技术而言，利用多个不同的检测模型分别对待标注的图像进行检测，从而可以获取由多个检测模型得到的多个检测结果，一个检测模型对应一个检测结果；根据获取的多个检测结果对待标注的图像进行标注，将标注好的图像作为标签添加到标签数据集中。由于多个检测模型是不同的，检测结果会存在差异，有利于避免因为检测结果的单一性而造成的漏标问题。根据多个检测结果对图像进行标注，有利于多个检测结果可以通过相互印证来提高标注的准确性，将标注好的图像添加到标签数据集中，从而有利于扩充高质量的标签数据集，一定数量和一定质量的标签数据集有利于进一步提高目标检测的准确性。

另外，根据获取的N个检测结果对待标注的图像进行标注，具体包括：对N个检测结果进行整合，获取整合后的有效结果；根据有效结果对所述待标注的图像进行标注。通过对N个检测结果进行整合，有利于得到整合后的有效结果，根据有效结果进行标注，有利于提高标注的准确性。

另外，所述检测结果包括检测到的物体的检测类别和检测坐标；所述对所述N个检测结果进行整合，获取整合后的有效结果，具体包括：从N个检测结果中的任意一个检测结果中任选一个物体作为待标注的图像中的待标注的目标；在剩余的N-1个检测结果中提取满足预设要求的检测结果；其中，所述预设要求为检测到的物体的检测类别与所述目标的检测类别相同，且检测到的物体与所述目标的交并比大于预设阈值，所述交并比通过所述检测坐标获取；将提取出的检测结果作为获取的所述有效结果。也就是说，通过交并比的判断过滤剔除重复率较高的检测结果，避免之后对同一目标进行重复标注，有利于提高标注的有效性。