[发明专利]基于区块链的图片标注方法、装置及存储介质、服务器在审
申请号: | 201910969216.1 | 申请日: | 2019-10-12 |
公开(公告)号: | CN110909195A | 公开(公告)日: | 2020-03-24 |
发明(设计)人: | 王建华;何四燕 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06F16/583 | 分类号: | G06F16/583;G06F21/62;G06N3/04 |
代理公司: | 北京市立方律师事务所 11330 | 代理人: | 刘延喜 |
地址: | 518000 广东省深圳市福田区福*** | 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: | 基于 区块 图片 标注 方法 装置 存储 介质 服务器 | ||
1.一种基于区块链的图片标注方法,其特征在于,包括:
获取对待标注图片进行标注的标注请求,依据所述标注请求通过区块链网络中的深度卷积神经网络不同尺度的各卷积层提取所述待标注图片的分层特征,所述分层特征包括待标注图片在卷积层中的底层几何特征、中层纹理特征以及高层语义特征;
根据所述分层特征确定所述待标注图片的图片信息,所述图片信息包括:语义信息、几何信息、纹理信息;
依据所述图片信息对所述待标注图片进行标注,获得标注图片。
2.根据权利要求1所述的基于区块链的图片标注方法,其特征在于,所述获取对待标注图片进行标注的标注请求之前,还包括:
响应于区块链网络中深度卷积神经网络所在节点发起的训练请求,获取区块链网络中的样本图片;
通过所述样本图片对所述深度卷积神经网络进行训练,所述样本图片为区块链网络中不同样本节点提供的已标注图片。
3.根据权利要求2所述的基于区块链的图片标注方法,其特征在于,所述响应于区块链网络中深度卷积神经网络所在节点发起的训练请求之前,还包括:
按照预置的训练触发操作,所述深度卷积神经网络所在节点发出所述训练请求。
4.根据权利要求1所述的基于区块链的图片标注方法,其特征在于,所述获取对待标注图片进行标注的标注请求之前,还包括:
区块链网络获取用户的注册账号信息,依据所述注册账号信息生成用户登录区块链网络的账号密钥对,其中,所述账号密钥对包括私钥和公钥;
将所述公钥存储在所述区块链,将所述私钥发送至用户。
5.根据权利要求4所述的基于区块链的图片标注方法,其特征在于,所述获取对待标注图片进行标注的标注请求,依据所述标注请求通过区块链网络中的深度卷积神经网络不同尺度的各卷积层提取所述待标注图片的分层特征,包括:
获取所述标注请求中利用所述私钥处理过的所述用户的信息;
使用所述公钥对所述用户的信息进行验证,确定所述用户是否为区块链网络用户;
当所述用户为区块链网络用户时,依据所述标注请求通过区块链网络中的深度卷积神经网络不同尺度的各卷积层提取所述待标注图片的分层特征。
6.根据权利要求5所述的基于区块链的图片标注方法,其特征在于,所述依据所述标注请求通过区块链网络中的深度卷积神经网络不同尺度的各卷积层提取所述待标注图片的分层特征,包括:
依据所述标注请求将所述待标注图片输入区块链网络中的所述深度卷积神经网络,所述深度卷积神经网络依次从第一尺度开始对所述待标注图片执行各尺度的卷积,获得不同尺度下的卷积特征;
获取最后一个尺度下的所述卷积特征,对所述卷积特征执行反卷积,获得该尺度相邻且大一尺度的相邻尺度中的还原特征;
将所述还原特征和与所述还原特征位于同一尺度中的所述卷积特征进行融合,获得与所述还原特征位于同一尺度中的融合特征;
统计卷积次数和反卷积次数,当所述反卷积次数小于所述卷积次数时,对所述融合特征和与所述融合特征位于同一尺度下的所述卷积特征执行反卷积的步骤;当所述反卷积次数等于所述卷积次数时,将所述融合特征确定为所述待标注图片的所述分层特征。
7.根据权利要求1至4任一项所述的基于区块链的图片标注方法,其特征在于,所述依据所述图片信息对所述待标注图片进行标注,获得标注图片之后,包括:
依据所述标注图片的图片信息确定所述标注图片中占所述标注图片面积最大的物体,基于所述物体确定所述标注图片的类别。
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平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,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/201910969216.1/1.html,转载请声明来源钻瓜专利网。