[发明专利]图像预标注方法、装置、电子设备及介质有效

专利信息
申请号: 202011280039.5 申请日: 2020-11-16
公开(公告)号: CN112418287B 公开(公告)日: 2023-10-13
发明(设计)人: 蔡永辉;程骏;庞建新;熊友军 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G06V10/764 分类号: G06V10/764;G06V10/82;G06N3/0464;G06N3/08
代理公司: 北京品源专利代理有限公司 11332 代理人: 潘登
地址: 518000 广东省深圳市南山区*** 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: 图像 标注 方法 装置 电子设备 介质
【说明书】:

发明实施例公开了一种图像预标注方法、装置、电子设备及介质。该方法包括:采用图像预标注模型预测待标注图像中的目标标注对象;将所述目标标注对象和所述目标标注对象的尺寸变化图像,分别添加到另一未标注图像中,得到至少两个重制图像;依据所述图像预标注模型对所述至少两个重制图像的预测,确定所述待标注图像的预标注结果。通过执行本技术方案,可以有效缓解算法预标注中的误差累积问题,提升模型的预标注效率。

技术领域

本发明实施例涉及数据处理领域,尤其涉及一种图像预标注方法、装置、电子设备及介质。

背景技术

目前,使用卷积神经网络模型进行目标物体检测还是属于有监督学习范畴,即首先通过人工标注大量图像中的目标框,然后将标注好的图像数据集送入卷积神经网络模型中,模型通过对这些有标注图像学习到一种映射关系,最终其能达到检测出现实世界中该目标物体的目的。

目前的主流做法都是先人工标注出少量图片,然后使用这批图片训练出一个模型,接着使用这个模型去预标注部分图片,最后将预标注图片与原先图片混合后继续迭代训练该模型。

现有技术的问题首先是使用少量图片训练出来的模型对需要检测的目标物体并没有很好的学习能力,因此预测的类别结果容易类别出错以及定位框偏差较大,如果将此类预标注样本直接加入训练样本中迭代训练,就会造成误差累积,训练出来的模型鲁棒性较差,即对目标物体的识别能力和定位能力均无法达到预想的结果。

发明内容

本发明实施例中提供了一种图像预标注方法、装置、电子设备及介质,以达到有效缓解算法预标注中的误差累积问题,提升模型预标注效率的技术效果。

第一方面,本发明实施例中提供了一种图像预标注方法,包括:

采用图像预标注模型预测待标注图像中的目标标注对象;

将所述目标标注对象和所述目标标注对象的尺寸变化图像,分别添加到另一未标注图像中,得到至少两个重制图像;

依据所述图像预标注模型对所述至少两个重制图像的预测,确定所述待标注图像的预标注结果。

第二方面,本发明实施例中还提供了一种图像预标注装置,所述装置包括:

预测标注模块,用于采用图像预标注模型预测待标注图像中的目标标注对象;

图像重制模块,用于将所述目标标注对象和所述目标标注对象的尺寸变化图像,分别添加到另一未标注图像中,得到至少两个重制图像;

结果确定模块,用于依据所述图像预标注模型对所述至少两个重制图像的预测,确定所述待标注图像的预标注结果。

第三方面,本发明实施例中还提供了一种电子设备,包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序;

所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例中提供的图像预标注方法。

第四方面,本发明实施例中还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例中提供的图像预标注方法。

本发明实施例中提供了一种图像预标注方法,采用图像预标注模型预测确定待标注图像中的目标标注对象;将所述目标标注对象和所述目标标注对象的尺寸变化图像,分别添加到另一未标注图像中,得到至少两个重制图像;依据所述图像预标注模型对所述至少两个重制图像的预测,确定所述待标注图像的预标注结果,通过图像预标注来实现提高模型与标注效率的目的。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,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/202011280039.5/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top