[发明专利]一种针对于深度学习的数据集标记方法在审
| 申请号： | 201910992334.4 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110764790A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 权龙哲;刘睿琪;姜伟;王千祎;赵成顺;吴家琪;曹欢 | 申请（专利权）人： | 东北农业大学 |
| 主分类号： | G06F8/61 | 分类号： | G06F8/61;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150030 黑龙*** | 国省代码： | 黑龙;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种针对于深度学习的数据集标记方法，其利用命令提示符搭建标注工具所需环境，并优化深度学习数据集标注策略；在Windows系统中配置labelImg及其所需Python库，labelImg操作简便，可以满足目前主流目标检测网络YOLO、SSD、Fast R‑CNN等对数据集的格式需求，并且能够在一张图片中标注多个同类目标，提高了深度学习数据集的标注效率和标注精度，降低了人工标注成本具有高效率、高正确率、低修改成本等特点。 | ||
| 搜索关键词： | 标注 学习数据 命令提示符 数据集标记 格式需求 目标检测 人工标注 高效率 数据集 正确率 主流 配置 优化 网络 学习 图片 | ||
【主权项】：
1.针对深度学习的数据集标记方法，其特征在于，该方法包括以下步骤：(1)安装Python和pip；(2)下载并解压labelImg软件；(3)在步骤(1)安装Python和pip的基础上，pip下载PyQt5、pyqt5_tools、lxml；(4)在步骤(3)的基础上，在步骤(2)的解压后的文件夹下通过cmd将Qt文件格式改为Python格式；(5)在步骤(2)的解压后的文件夹下找到resources.py文件将其添加到libs文件夹；(6)在labelImg软件解压后的文件夹下用Python调用labelImg.py，打开labelImg；(7)在步骤(6)打开后的labelImg界面中，OpenDir按键选取待标记图片所在文件夹；Change Save Dir按键选取标记后的.xml文件存储位置；(8)将图像按一定方法划分，所得即为深度学习所需的训练集与验证集。/n
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东北农业大学，未经东北农业大学许可，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/patent/201910992334.4/，转载请声明来源钻瓜专利网。
