[发明专利]图像标注方法、装置、电子设备及存储介质

说明书

本申请实施例公开了图像标注方法、装置、电子设备及存储介质，该图像标注方法包括：获取待标注图像的特征图、第一位置信息以及第二位置信息，所述第一位置信息包括第一标注点在所述待标注图像上的位置信息，所述第二位置信息包括第二标注点在所述待标注图像上的位置信息；对所述特征图、所述第一位置信息以及所述第二位置信息进行卷积处理，得到所述待标注图像上的多个标注点；根据所述多个标注点对所述待标注图像进行标注。

技术领域

本申请涉及图像处理技术领域，具体涉及图像标注方法、装置、电子设备及存储介质。

背景技术

随着人工智能的发展，神经网络应用的范围越来越广泛。例如，使用预先训练好的神经网络对监控视频中的人物识别或者对核磁共振图像中肿瘤识别。

虽然神经网络对图像识别有着不错的表现。但是，神经网络的训练需要有足够高质量的训练数据集。而训练数据集的制作是一个非常高成本的项目，目前对训练数据集的标注大多是人工标注，而人工标注的方式往往需要投入大量时间和人力成本。

发明内容

本申请实施例提供了图像标注方法、装置、电子设备及存储介质。

第一方面，本申请实施例提供一种图像标注方法，包括：

获取待标注图像的特征图、第一位置信息以及第二位置信息，所述第一位置信息包括第一标注点在所述待标注图像上的位置信息，所述第二位置信息包括第二标注点在所述待标注图像上的位置信息；

对所述特征图、所述第一位置信息以及所述第二位置信息进行卷积处理，得到所述待标注图像上的多个标注点；

根据所述多个标注点对所述待标注图像进行标注。

在一种可能的实施方式中，所述第一标注点和所述第二标注点是通过神经网络对所述待标注图像进行处理得到的，或所述第一标注点和所述第二标注点为预设的标注点。

在一种可能的实施方式中，在所述第一标注点和所述第二标注点为预设的虚拟标注点的情况下，所述对所述特征图、所述第一位置信息以及所述第二位置信息进行卷积处理，得到所述待标注图像上的多个标注点，包括：

对所述特征图、所述第一位置信息以及所述第二位置信息进行卷积处理，得到输入数据；

将所述输入数据输入到标注模型，得到第一目标位置信息；

根据所述第一目标位置信息得到所述待标注图像上的第一目标标注点，并将所述第一目标标注点作为所述多个标注点中的一个；

使用所述第一目标位置信息替换所述第一位置信息，得到新的第一位置信息；

对所述特征图、所述新的第一位置信息以及所述第二位置信息进行卷积处理，得到所述待标注图像上的新的第一目标标注点，并将所述新的第一目标标注点作为所述多个标注点中的一个；

在最新的第一目标标注点为所述待标注图像上的最后一个标注点的情况下，得到所述待标注图像上的多个标注点。

在一种可能的实施方式中，所述特征图包括与N个通道对应的N个子特征图，所述N为大于1的整数，所述对所述特征图、所述第一位置信息以及所述第二位置信息进行卷积处理，得到输入数据，包括：

将所述N个通道上每个通道对应的子特征图与所述标注模型中的第一卷积核进行卷积处理，得到第一卷积结果；

将所述第一位置信息与所述标注模型中的第二卷积核进行卷积处理，得到第二卷积结果；

将所述第二位置信息与所述标注模型中的第三卷积核进行卷积处理，得到第三卷积结果；

对所述每个通道对应的第一卷积结果、第二卷积结果以及第三卷积结果进行加权求和处理，得到所述每个通道对应的第四卷积结果；