[发明专利]基于目标检测的目标边界记录方法、装置和计算设备

说明书

本发明的实施方式提供了一种基于目标检测的目标边界记录方法、装置和计算设备。该方法包括：通过实例分割模型对原始影像数据进行目标检测，得到原始影像数据中的目标位置处显示第一预设形式标识的第一影像数据，以及得到目标位置处显示第二预设形式标识的第二影像数据；获取第一影像数据的第一边界数据，并将第一边界数据存储至目标的目标类型对应的第一边界数据存储文件中；获取第二影像数据的第二边界数据，并将第二边界数据存储至目标的目标类型对应的第二边界数据存储文件中。本发明能够对原始图像中的目标自动进行边界识别，并且可以将识别到的边界数据自动的与目标对应的目标类型进行关联存储，提升了对图片标注的效率。

技术领域

本发明的实施方式涉及人工智能领域，更具体地，本发明的实施方式涉及一种基于目标检测的目标边界记录方法、装置和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

近年来，为了提高系统目标检测准确性，可以使用基于深度学习的神经网络模型来对图像或视频进行目标检测，但是在神经网络模型投入使用之前需要使用标注后的图片对神经网络模型进行训练。目前，可以通过语义分割识别图片中目标的范围掩码，从而基于范围掩码实现对图片中目标的分割。然而，在实践中发现，为了保证对分割后的图片标注的准确性，通常需要通过人工的方式对图片进行标注，过程复杂，操作难度较大，从而导致图片标注的效率较低。

发明内容

在本上下文中，本发明的实施方式期望提供一种基于目标检测的目标边界记录方法、装置和计算设备。

在本发明实施方式的第一方面中，提供了一种基于目标检测的目标边界记录方法，包括：

通过实例分割模型对原始影像数据进行目标检测，得到所述原始影像数据中的目标位置处显示第一预设形式标识的第一影像数据，以及得到所述目标位置处显示第二预设形式标识的第二影像数据；

获取所述第一影像数据的第一边界数据，并将所述第一边界数据存储至所述目标的目标类型对应的第一边界数据存储文件中；

获取所述第二影像数据的第二边界数据，并将所述第二边界数据存储至所述目标的目标类型对应的第二边界数据存储文件中。

在本实施方式的一个实施例中，所述原始影像数据为基于时序的影像数据，获取所述第一影像数据的第一边界数据，并将所述第一边界数据存储至所述目标的目标类型对应的第一边界数据存储文件中，包括：

从所述第一影像数据中获取基于时序的第一检测内容数据；其中，所述第一检测内容数据中至少包含所述第一影像数据标识的目标的目标类型、当前时刻以及第一边界数据；

基于时序遍历所述第一检测内容数据，构建类型映射字典；其中，所述类型映射字典中包含至少一个时间映射字典，所述时间映射字典与目标类型一一对应，且任意两个时间映射字典对应的目标类型不同；

基于所述类型映射字典，将所述第一检测内容数据中的所述第一边界数据存储至所述目标的目标类型对应的第一边界数据存储文件中。

在本实施方式的一个实施例中，基于时序遍历所述第一检测内容数据，构建类型映射字典，包括：

基于时序遍历所述第一检测内容数据，构建时间映射字典，所述时间映射字典中包含至少一个当前时刻与第一边界数据的时间键值对，其中，所述时间键值对中的当前时刻与第一边界数据从同一第一检测内容数据中获取；

基于所述第一检测内容数据和所述时间映射字典，构建类型映射字典，所述类型映射字典中包含至少一个目标类型与时间映射字典的类型键值对，所述目标类型与所述时间映射字典中的当前时刻和第一边界数据属于同一第一检测内容数据。

在本实施方式的一个实施例中，基于所述第一检测内容数据和所述时间映射字典，构建类型映射字典之后，所述方法还包括：