[发明专利]一种基于人工智能的在线协同化遥感图像标注系统

说明书

一种基于人工智能的在线协同化遥感图像标注系统，包括：标注项目分配子系统、智能标注子系统和后台管理子系统；所述后台管理子系统，用于管理各角色的账户信息，并对各角色进行权限分配；所述智能标注子系统，利用智能检测识别算法对遥感影像进行初步标注；所述标注项目分配子系统，用于为用户分配角色和项目，并基于所述角色的账户信息和权限将初步标注后的遥感影像按项目分配给所述用户，实现所有用户基于项目对遥感影像进行二次标注。本发明提供的技术方案实现了支持多人标注，并简化了标注过程，提高了标注效率。

技术领域

本发明涉及遥感图像标注技术领域，具体涉及一种基于人工智能的在线协同化遥感图像标注系统。

背景技术

随着卫星技术的不断进步，产生了大量的不同分辨率的遥感图像，因此研究遥感图像解译方法成为了遥感领域最热门也是最重要的研究课题之一。基于深度学习的遥感图像解译方法被证明是目前精度最高、效率最快的方法，而大量的训练数据是进行深度学习的前提，数据的质量决定了模型的上限，而训练数据产生离不开数据标注，数据标注作为机器学习工程中重要的一环，是构建AI金字塔的基础。

在遥感图像解译早期发展阶段，训练样本集的建立主要是靠单人独立手动标注完成的。这种标注方式存在以下问题：数据集种类单一、数量少、格式不统一，所需的人工成本高。目前，网络上又公开了一部分遥感图像数据集，例如PatternNet数据集包含38类别，每一类别包含800样本图像，DLRSD数据集包含21类别，一共2100样本图像。但是与包含20000类别，14百万样本图像的ImageNet数据集相比，遥感图像数据集量还是非常少的。因此，在遥感领域内，如何建立大规模的遥感图像数据集是急需解决的问题。

目前，在土地利用分类、目标检测和识别等遥感图像应用领域内，建立现有的数据集的方法可以分为两类：一是利用Google Map API、Google Earth、eCognition等其他桌面工具进行标注和裁切遥感图像。这种方式存在以下缺点：Google Map API需要使用者具有编程技术，其他桌面工具需要使用者具有遥感专业先验知识，并且需要多个独立的步骤才能完成，比如图像分割和裁切。另一种方法是基于参考影像的预标注方法。该方法基于已知的参考影像，获取先验范畴和位置信息来进行影像标注。这种方式实际上是第一种方法的改进，利用先验范畴和位置信息来代替手工标注工作。大大提高了效率，但是这种方式标注精度不高，并且也是单独作业，每一个关键处理步骤都是独立的。因此，对于算法业务复杂，数据量大，场景特殊的应用而言，直接基于上述两种方法可能会带来巨大的维护和管理成本。

1)服务管理：在多人标注下，采用桌面工具会带来大量部署和维护的问题，同时涉及大量数据分发和分配问题，繁杂且容易引入错误。

2)数据管理：有些工具将数据保存到本地xml，有些保存到MySQL或者NoSQL，不同项目的数据格式也存在很大差异，带来较高的管理成本和隐患。

3)用户管理：用户和权限管理是多人标注下的一个重要需求，也是大部分标注工具缺失的功能。

发明内容

为了解决现有技术中所存在的不支持多人标注、标注效率低、标注过程繁琐的问题，本发明提供一种基于人工智能的在线协同化遥感图像标注系统，包括：标注项目分配子系统、智能标注子系统和后台管理子系统；

所述后台管理子系统，用于管理各角色的账户信息，并对各角色进行权限分配；

所述智能标注子系统，利用智能检测识别算法对遥感影像进行初步标注；

所述标注项目分配子系统，用于为用户分配角色和项目，并基于所述角色的账户信息和权限将初步标注后的遥感影像按项目分配给所述用户，实现所有用户基于项目对遥感影像进行二次标注。

优选的，所述智能标注子系统包括：智能标注模块，用于采用预先训练好的智能检测识别算法对实时显示的遥感影像数据进行初步标注，并存储。