[发明专利]图像标注方法、装置、计算机设备和存储介质

说明书

本申请提供了一种图像标注方法、装置、计算机设备和存储介质。所述方法包括：获取视频流数据；所述视频流数据包括多帧图像；加载多个元素识别模型；通过所述多个元素识别模型处理所述多帧图像，得到每帧图像所对应的一个或多个元素类别；从所述多帧图像对应的元素类别中筛选符合标注条件的目标元素类别；对所述目标元素类别所对应的图像中的元素进行标注。采用本方法能够提高图像标注效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种图像标注方法、装置、计算机设备和存储介质。

背景技术

近年来，随着机器学习和深度学习技术的发展，越来越多的用户使用深度学习技术对图像物体进行检测。而基于深度学习的图像物体检测技术需要准确地标注大量图像数据，以此为深度学习提供样本数据。

目前，常用的图像标注方法是标注员从大量视频流数据中，通过人为观察对视频流中的图像所包含的物体进行标注。该方法需要对大量的视频流数据进行标记，耗费人力和时间，导致图像标注的效率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高图像标注效率的方法、装置、计算机设备和存储介质。

一种图像标注方法，所述方法包括：

获取视频流数据；所述视频流数据包括多帧图像；

加载多个元素识别模型；通过所述多个元素识别模型处理所述多帧图像，得到每帧图像所对应的一个或多个元素类别；

从所述多帧图像对应的元素类别中筛选符合标注条件的目标元素类别；

对所述目标元素类别所对应的图像中的元素进行标注。

在一个实施例中，所述多帧图像包括模糊图像和标准图像；所述方法还包括：

通过模糊检测算法处理所述多帧图像，得到所述模糊图像的图像标识；

根据所述模糊图像的图像标识确定所述标准图像；

通过图像去重算法对所述标准图像去重，得到去重后的标准去重图像；

对所述标准去重图像中的元素进行标注。

在一个实施例中，所述通过模糊检测算法处理所述多帧图像，得到所述模糊图像的图像标识包括：

对所述多帧图像的每帧图像划分区域，得到每帧图像对应的多个区域；

通过模糊检测算法提取每个区域的区域模糊特征；

将所述区域模糊特征按序拼接，得到每帧图像对应的全局模糊特征；

根据所述全局模糊特征对每帧图像进行模糊检测，得到所述模糊图像的图像标识。

在一个实施例中，所述通过图像去重算法对所述标准图像去重，得到去重后的标准去重图像包括：

对所述多帧图像的每帧图像划分区域，得到每帧图像对应的多个区域；

通过图像去重算法提取每个区域的区域图像特征；

计算当前帧图像中每个区域的区域图像特征和位于当前帧顺序之前的预设帧数的每个图像的相同区域的区域图像特征的相似度；得到所述当前帧图像中每个区域所对应的所述预设帧数的相似度值；

根据所述相似度值大于第一阈值的数量与所述预设帧数，得到所述多帧图像中存在重复图像的图像标识；

根据所述重复图像的图像标识确定去重后的标准去重图像。

在一个实施例中，所述元素识别模型的生成方式包括：

获取样本视频流和已知标签，所述样本视频流包括多帧样本图像；