[发明专利]图像半自动标注的交互方法及系统

摘要

一种图像半自动标注的交互方法，包括：S1、将初始样本按照不同的类别属性划分为3个不同类型的标注样本；将上述3类标注样本通过人工标注得到不同种类的标注结果，然后分别使用Mask‑RCNN、Fast‑RCNN、FCN三个模型分别训练；S2、使用离线的方式处理待标注图片的数据集，标注过程为将待标注图片的数据集依次经过上述3个深度学习模型，输出得到数据样本所有类型和坐标点的json格式文件；S3、根据标注图像的名称调用上述json格式文件的相关的属性标签值和坐标点值；S4、在标注软件中显示对应自动标注的结果，通过人工判断目标地物的所属类别和区域标注是否规范合理；S5、将上述标注正确的标注样本进行数据增广后回馈至所述模型再训练。

主权项

1.一种图像半自动标注的交互方法，其特征在于，其包括如下步骤：S1、将初始样本按照不同的类别属性划分为3个不同类型的标注样本，即子集1、子集2和子集3；将上述3类标注样本通过人工标注输出得到不同种类的标注结果，然后分别使用Mask‑RCNN、Fast‑RCNN、FCN三个深度学习模型分别训练上述3个子集，最后得到3个不同的图像区域标注的分类模型；S2、使用离线的方式处理待标注图片的数据集，处理过程为将待标注图片的数据集依次经过上述3个训练好的深度学习模型，输出得到该图片包含的类型属性和坐标点位置信息的json格式文件；S3、利用标注软件根据图像的名称调用上述json格式文件相关的属性标签值和坐标点值，实现目标地物的自动标注；S4、显示对应自动标注的结果，人工判断目标地物的所属类别和区域标注是否规范合理，对于有错误和不规范的部分进行调整和补充，以达到标注规范的要求，实现数据集图片的完整标注；S5、将上述正确的标注样本回馈至上述三种深度学习模型进行训练，直至所得到分类模型的分类性能提升增幅小于或等于预设阈值为止。