[发明专利]图像标注方法、装置、设备及介质

说明书

本申请提供一种图像标注方法、装置、设备及介质，涉及人工智能技术领域，尤其涉及机器学习领域，用于提高图像标注的效率。该图像标注方法通过判断待标注图像与已标注图像之间的对象相似度，在相似度不满足一定条件时，根据待标注图像的全局特征，确定待标注图像的初始类别，由于结合待标注图像的对象信息和全局特征等更多的图像信息，因此可以提高确定待标注图像的初始类别的准确性，从而提高对待标注图像进行聚类的准确性，也就是说，聚类后的数据集对应的初始类别为该数据集中各个图像的真实类别的可能性更大，这样可以减少后续对数据集中多个图像重新判断类别的情况，从而提高对聚类后的数据集进行手动标注的效率和准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及人工智能技术领域，提供一种图像标注方法、装置、设备及介质。

背景技术

随着人工智能技术的不断发展，逐渐出现了多种机器学习模型，大多数的机器学习模型在被投入使用之前，需要进行预训练，使用较多的预训练方式为有监督训练。有监督训练的大致原理是：调整机器学习模型的参数，以使机器学习模型的输出与样本的标注结果更接近，因此这种有监督训练需要大量的标注样本。

目前，通常采用相似度聚合和人工标注方式结合来标注样本，具体而言是将对象相似度较高的样本进行聚类，再手动标注各个样本的类别。但这种方式中仅仅依赖于样本中的对象进行聚类，聚类的准确性不高，导致聚类后的样本中存在大量的被错误聚类的样本，降低后续手动标注样本的效率。

发明内容

本申请实施例提供一种图像标注方法、装置、设备及介质，用于提高图像标注的效率。

本申请实施例提供一种图像标注方法，包括：

分别确定待标注图像中的待标注对象，与各已标注图像中的已标注对象之间的相似度；其中，每个已标注图像分别标注有相应的真实类别，以及每个已标注图像包含至少一个已标注对象；

若获得的各个相似度中的最大值小于第一阈值，则根据所述待标注图像的至少一种全局特征，获得所述待标注图像的初始类别；

将所述待标注图像聚类至与所述初始类别对应的待标注数据集中；

响应于针对所述待标注数据集执行的标注操作，确定所述待标注数据集中各个待标注图像所属的真实类别。

本申请实施例提供一种图像标注装置，包括：

确定模块，用于分别确定待标注图像中的待标注对象，与各已标注图像中的已标注对象之间的相似度；其中，每个已标注图像分别标注有相应的真实类别，以及每个已标注图像包含至少一个已标注对象；

获得模块，用于若获得的各个相似度中的最大值小于第一阈值，则根据所述待标注图像的至少一种全局特征，获得所述待标注图像的初始类别；

聚类模块，用于将所述待标注图像聚类至与所述初始类别对应的待标注数据集中；

标注模块，用于响应于针对所述待标注数据集执行的标注操作，确定所述待标注数据集中各个待标注图像所属的真实类别。

在一种可能的实施例中，所述确定模块还用于：

若获得的各个相似度中的最大值不小于所述第一阈值，则将所述各个相似度中的最大值对应的已标注图像的类别，确定为所述待标注图像的初始类别。

在一种可能的实施例中，所述获得模块还用于：

提取所述待标注图像的至少一个全局特征；

将所述至少一个全局特征输入已训练的分类模型，获得所述待标注图像属于多个类别中每个类别的概率，其中，所述已训练的分类模型是根据所述各已标注图像进行训练获得的；

若获得的多个概率中的最大值不小于第二阈值，则将所述多个概率中的最大值对应的类别确定为所述待标注图像的初始类别。