[发明专利]一种图像标注方法和装置

权利要求书

1.一种图像标注方法，其特征在于，包括：

从输入图像中截取目标区域图像，在所述输入图像内将所述目标区域图像向外扩充以获取包含背景信息的目标区域补充图像，基于深度神经网络DNN分别提取目标区域图像的图像特征和目标区域补充图像的图像特征；

当目标区域图像和目标区域补充图像被判定属于不同类时，基于目标区域图像的图像特征与目标区域补充图像的图像特征之间的差值，以及目标区域图像的图像特征的聚类距离值与目标区域补充图像的图像特征的聚类距离值之间的差值，生成校正系数，利用所述校正系数校正目标区域图像的图像特征的聚类距离值。

2.根据权利要求1所述的图像标注方法，其特征在于，所述基于目标区域图像的图像特征与目标区域补充图像的图像特征之间的差值，以及目标区域图像的图像特征的聚类距离值与目标区域补充图像的图像特征的聚类距离值之间的差值，生成校正系数包括：

计算校正系数A，其中：

其中：目标区域图像的图像特征为e_i；目标区域补充图像的图像特征为e’_i；N为深度神经网络的特征维度；目标区域图像的图像特征的聚类距离值为s_j；目标区域补充图像的图像特征的聚类距离值为s_h；目标区域图像被判定为k_j类；目标区域补充图像被判定为k_h类，其中j≠h；i为特征维度编号。

3.根据权利要求2所述的图像标注方法，其特征在于，所述利用所述校正系数校正目标区域图像的图像特征的聚类距离值包括：

计算s_j的校正值s'_j，其中s'_j＝A·s_j。

4.根据权利要求3所述的图像标注方法，其特征在于，还包括：

将所述校正值s’_j与预定距离阈值进行比较，其中当校正值s’_j低于等于所述距离阈值时，继续判定目标区域图像属于k_j类；当校正值s’_j大于所述距离阈值时，放弃将目标区域图像判定为k_j类的聚类结果。

5.根据权利要求1所述的图像标注方法，其特征在于，还包括：

当目标区域图像和目标区域补充图像被判定属于相同类时，计算每个类的平均值，并将该平均值作为该类的新聚类中心。

6.一种图像标注装置，其特征在于，包括：

双目标区域表征模块，用于从输入图像中截取目标区域图像，在所述输入图像内将所述目标区域图像向外扩充以获取包含背景信息的目标区域补充图像，基于深度神经网络DNN分别提取目标区域图像的图像特征和目标区域补充图像的图像特征；

聚类模块，用于当目标区域图像和目标区域补充图像被判定属于不同类时，基于目标区域图像的图像特征与目标区域补充图像的图像特征之间的差值，以及目标区域图像的图像特征的聚类距离值与目标区域补充图像的图像特征的聚类距离值之间的差值，生成校正系数，利用所述校正系数校正目标区域图像的图像特征的聚类距离值。

7.根据权利要求6所述的图像标注装置，其特征在于，

聚类模块，用于计算校正系数A，其中：

其中：目标区域图像的图像特征为e_i；目标区域补充图像的图像特征为e’_i；N为深度神经网络的特征维度；目标区域图像的图像特征的聚类距离值为s_j；目标区域补充图像的图像特征的聚类距离值为s_h；目标区域图像被判定为k_j类；目标区域补充图像被判定为k_h类，其中j≠h；i为特征维度编号。

8.根据权利要求7所述的图像标注装置，其特征在于，

聚类模块，用于计算s_j的校正值s'_j，其中s’_j＝A·s_j。