[发明专利]一种图像样本的标注方法及装置有效

专利信息
申请号: 201910319246.8 申请日: 2019-04-19
公开(公告)号: CN110058756B 公开(公告)日: 2021-03-02
发明(设计)人: 牟永奇;许欢庆;李洁;汤劲武 申请(专利权)人: 北京朗镜科技有限责任公司
主分类号: G06F16/16 分类号: G06F16/16;G06F3/0481;G06F3/0484;G06K9/62
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 杨华;王宝筠
地址: 100026 北京市朝阳*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 样本 标注 方法 装置
【权利要求书】:

1.一种图像样本的标注方法,其特征在于,包括:

获取标注框的位置信息,所述标注框用于在所述图像样本上框选目标,得到框选图像;对于任意一个预设的分类,基于人工操作将所述框选图像中不属于该分类的图像删除,得到该分类的框选图像,以实现对多个框选图像进行批量删除处理;

对于任意一个预设的分类,基于人工操作将该分类的框选图像与对应的位置信息,作为该分类的标注数据,其中,任意一个框选图像对应的位置信息为:得到该框选图像的标注框的位置信息;

其中,将标注框的获取与框选图像的删除进行解耦处理,框选图像和类别标注可并行执行,以提高人工标注图像样本的效率。

2.根据权利要求1所述的方法,其特征在于,所述获取标注框的位置信息包括:

获取预先训练得到框选模型输出的所述标注框的位置信息,所述框选模型用于在所述图像样本上框选目标;

或者,基于人工对框选模型输出的参考标注框的位置信息的调整操作,得到所述标注框的位置信息。

3.根据权利要求2所述的方法,其特征在于,所述框选模型的训练过程包括:

基于人工在第一批图像样本上的框选操作,得到人工框选的标注框;

使用所述人工框选的标注框,训练预设的框选模型;

将新的图像样本作为经过训练的所述框选模型的输入,得到所述框选模型输出的所述新的图像样本的标注框;

在人工修改所述框选模型输出的标注框的情况下,使用人工修改后的标注框,训练所述框选模型;

在所述框选模型输出的标注框中,经人工修改的标注框的数量不大于预设阈值的情况下,完成框选模型的训练过程。

4.根据权利要求1所述的方法,其特征在于,所述获取标注框的位置信息包括:

使用第一进程,获取标注框的位置信息;

所述对于任意一个预设的分类,基于人工操作将所述框选图像中不属于该分类的图像删除,得到该分类的框选图像,包括:

使用第二进程,对于任意一个预设的分类,将所述框选图像中不属于该分类的图像删除,得到该分类的框选图像;

所述方法还包括:

在使用所述第一进程获取至少一个框选图像的情况下,使用所述第二进程,得到至少一个分类的框选图像,并使用所述第一进程,获取新的标注框的位置信息。

5.根据权利要求1或4任一项所述的方法,其特征在于,所述将所述框选图像中不属于该分类的图像删除,得到该分类的框选图像包括:

建立包括该分类的文件夹;

将所述框选图像放入该分类的文件夹中;

基于人工对该分类的文件夹中的图像的删除操作,将所述框选图像中不属于该分类的图像删除,得到该分类的框选图像。

6.一种图像样本的标注装置,其特征在于,包括:

标注框获取模块,用于获取标注框的位置信息,所述标注框用于在所述图像样本上框选目标,得到框选图像;

删除模块,用于对于任意一个预设的分类,基于人工操作将所述框选图像中不属于该分类的图像删除,得到该分类的框选图像,以实现对多个框选图像进行批量删除处理;

标注数据获取模块,用于对于任意一个预设的分类,基于人工操作将该分类的框选图像与对应的位置信息,作为该分类的标注数据,其中,任意一个框选图像对应的位置信息为:得到该框选图像的标注框的位置信息;

其中,将标注框的获取与框选图像的删除进行解耦处理,框选图像和类别标注可并行执行,以提高人工标注图像样本的效率。

7.根据权利要求6所述的装置,其特征在于,所述标注框获取模块用于获取标注框的位置信息包括:

所述标注框获取模块具体用于,获取预先训练得到框选模型输出的所述标注框的位置信息,所述框选模型用于在所述图像样本上框选目标;或者,基于人工对框选模型输出的参考标注框的位置信息的调整操作,得到所述标注框的位置信息。

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北京朗镜科技有限责任公司,未经北京朗镜科技有限责任公司许可,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/201910319246.8/1.html,转载请声明来源钻瓜专利网。

×

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