[发明专利]一种数据标注方法及相关产品

说明书

本申请公开了一种数据标注方法及相关产品，属于数据处理技术领域。该方法包括：获得目标图像中包含的目标对象的第一边缘线和第二边缘线；第一边缘线和第二边缘线不同；根据第一边缘线，得到目标对象的第一轮廓；利用第二边缘线对第一轮廓的边缘线进行修正，得到目标对象的第二轮廓。本方法通过提出基于预选框的深度学习方法对目标图像中的目标对象进行边缘检测，得到目标对象的第一轮廓，再引入弱语义信息将对目标对象的第一轮廓的边缘点的修正转化为对目标对象的第一轮廓的边缘线的修正，修正得到目标对象的第二轮廓，可以大大提高标注结果的准确率及效率。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种数据标注方法及相关产品。

背景技术

标签是一种用来描述业务实体特征的数据形式，通过标签可以对业务实体进行刻画，从多角度反映业务实体的特征。标签可以由数据标注得到，数据标注是通过数据标注人员借助标记工具对数据进行标注的行为。数据标注的类型包括：图像标注、语音标注、文本标注等。其中，图像标注可应用于人脸识别以及自动驾驶车辆识别等应用场景中。数据标注人员需要对不同的目标标记物用不同的颜色进行轮廓标记，然后对相应的轮廓打标签，用标签来概述轮廓内的目标标记物，以便让模型能够自动识别图像中的不同标记物。随着基于数据驱动的图像处理技术在各个领域获得广泛使用，越来越多的应用场景需要使用标签来自动识别图像中包含的不同标记物。而标签需要通过数据标注得到，因此，如何优化数据标注的准确率和效率至关重要。

目前，通常采用交互式图像分割标注的方法进行数据标注。具体为，人工给定初始区域，利用分割算法在初始区域中对目标对象进行分割，得到目标对象的边缘点，进而通过修正边缘点来修正对目标对象的分割结果。

但是，上述标注方法需要人工对边缘点逐一修正，耗时耗力，且标注结果的准确率及效率较低。

发明内容

本申请实施例提供了一种数据标注方法及相关产品，通过提出基于预选框的深度学习方法对目标图像中的目标对象进行边缘检测，得到目标对象的第一轮廓，再引入弱语义信息将对目标对象的第一轮廓的边缘点的修正转化为对目标对象的第一轮廓的边缘线的修正，修正得到目标对象的第二轮廓，可以大大提高标注结果的准确率及效率。

第一方面，本申请实施例提供了一种数据标注方法，该方法包括：

获得目标图像中包含的目标对象的第一边缘线和第二边缘线；所述第一边缘线和所述第二边缘线不同；

根据所述第一边缘线，得到所述目标对象的第一轮廓；

利用所述第二边缘线对所述第一轮廓的边缘线进行修正，得到所述目标对象的第二轮廓。

本申请实施例中，通过对目标图像做不同的处理，可以得到目标图像中包含的目标对象的不同边缘线，比如第一边缘线和第二边缘线。然后基于第一边缘线对目标对象进行初标，得到目标对象的第一轮廓。再利用第二边缘线对初标得到的第一轮廓的边缘线进行修正，得到目标对象的第二轮廓。

目前的数据标注方法，通常分割算法对目标对象进行分割，得到目标对象的边缘点，进而通过修正边缘点来修正目标对象的轮廓。因此，需要人工对边缘点逐一修正，耗时耗力，且标注结果的准确率及效率较低。

本申请实施例提供的数据标注方法，与目前常用的数据标注方法相比，采用第一边缘线对目标对象进行初标，再利用第二边缘线对初标得到的第一轮廓的边缘线进行修正，从而将对目标对象的第一轮廓的边缘点的修正转化为对目标对象的第一轮廓的边缘线的修正，修正得到目标对象的第二轮廓，可以大大提高标注结果的准确率及效率。

在一种可能的实施方式中，所述利用所述第二边缘线对所述第一轮廓的边缘线进行修正，包括：

将所述第二边缘线与所述第一轮廓的边缘线构成的轮廓，确定为所述第二轮廓。