[发明专利]一种基于机器学习模型的图像标注方法在审
| 申请号： | 202010026795.9 | 申请日： | 2020-01-10 |
| 公开（公告）号： | CN111260613A | 公开（公告）日： | 2020-06-09 |
| 发明（设计）人： | 徐巍峰;徐非非;王文军;潘明华;孟繁东;叶吉超 | 申请（专利权）人： | 丽水正阳电力建设有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11 |
| 代理公司： | 南京勤行知识产权代理事务所(普通合伙) 32397 | 代理人： | 尹英 |
| 地址： | 323006 浙江省丽*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 机器 学习 模型 图像 标注 方法 | ||
1.一种基于机器学习模型的图像标注方法，其特征在于, 包括以下步骤:
步骤S01、利用无人机倾斜摄影，获取实际图像数据，将采集的图像数据反馈至航拍数据采集平台；
步骤S02、对图像数据进行图像标注，选取标注方式；
步骤S03、根据标注方式对图像进行标注，得到包含标注区域的标注图像；
步骤S04、对图像数据定位异常数据，对异常数据进行再次编辑；
步骤S05、对图像数据中的关键点进行位置标注，并将关键点添加至已标注的关键点集合。
2.如权利要求1所述的基于机器学习模型的图像标注方法，其特征在于, 所述标注方式包括特征点标注、矩形框标注、区域标注。
3.如权利要求1所述的基于机器学习模型的图像标注方法，其特征在于, 所述步骤S02具体包括：S021、从航拍数据采集平台获取图像数据；S022、从所述图像数据中提取到样本视觉特征；S023、对所述样本视觉特征进行处理，得到样本标签子集并输出结果。
4.如权利要求1所述的基于机器学习模型的图像标注方法，其特征在于, 所述步骤S05中，对图像数据中的关键点进行位置标注，并预测下一个关键点的标注位置。
5.如权利要求4所述的基于机器学习模型的图像标注方法，其特征在于, 采用相似变换或射影变换的方式对第一个关键点进行标注位置。
6.如权利要求4所述的基于机器学习模型的图像标注方法，其特征在于, 将关键点添加至已标注的关键点集合包括高亮显示显示标注点，并将关键点直接拖拽到关键点集合中。
7.如权利要求1所述的基于机器学习模型的图像标注方法，其特征在于, 所述步骤S02中，采用图像分割算法对图像数据进行分割，获得图像区域的视觉描述。
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丽水正阳电力建设有限公司，未经丽水正阳电力建设有限公司许可，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/202010026795.9/1.html，转载请声明来源钻瓜专利网。
