[发明专利]一种基于yolov5目标检测算法的智能标注方法

权利要求书

1.一种基于yolov5目标检测算法的智能标注方法，其特征是基于采用B/S模式，通过前端页面管理数据集，创建数据集及批量上传数据集对应图片，通过后端响应存储数据集对应图片，

通过前端页面选择数据集，经后端响应加载相应数据集的图片到前端页面，通过前端页面标注数据集对应的图片达到30％，通过后端调用利用yolov5目标检测算法训练的推理模型，利用推理模型自动完成数据集中剩余图片的标注，在服务器创建图片同名称json标签文件，并将图片的标注信息保存在json标签文件中，

通过前端页面发起下载json标签文件的请求，经后端响应根据标签下载相应json标签文件。

2.根据权利要求1所述的一种基于yolov5目标检测算法的智能标注方法，其特征是所述通过后端响应存储数据集对应图片，包括：

通过后端在服务器指定路径下创建文件夹，将前端上传的数据集对应图片存储在所述文件夹下。

3.根据权利要求1所述的一种基于yolov5目标检测算法的智能标注方法，其特征是所述通过前端页面标注数据集对应的图片，包括：

通过前端页面的图片标注区域，创建标签，使用图形工具进行图片切换、图片拖拽、图片缩放、矩形标注和/或多边形标注的操作。

4.根据权利要求1所述的一种基于yolov5目标检测算法的智能标注方法，其特征是所述通过后端调用利用yolov5目标检测算法训练的推理模型，包括：

通过后端创建线程，利用线程调用推理模型。

5.根据权利要求1或4所述的一种基于yolov5目标检测算法的智能标注方法，其特征是所述利用yolov5目标检测算法训练的推理模型，包括：

基于yolov5目标检测算法利用train.py训练推理模型，再调用detect.py加载训练好的推理模型。

6.一种基于yolov5目标检测算法的智能标注系统，其特征是基于采用B/S模式，包括数据集管理模块、图片标注模块、标签文件管理模块和yolov5目标检测算法模块，

前端的数据集管理模块通过前端页面管理数据集，创建数据集及批量上传数据集对应图片，后端的图片标注模块响应存储数据集对应图片，

数据集管理模块通过前端页面选择数据集，经后端图片标注模块响应加载相应数据集的图片到前端页面，数据集管理模块通过前端页面标注数据集对应的图片达到30％，后端图片标注模块调用yolov5目标检测算法模块训练的推理模型，利用推理模型自动完成数据集中剩余图片的标注，在服务器创建图片同名称json标签文件，并将图片的标注信息保存在json标签文件中，

标签文件管理模块通过前端页面发起下载json标签文件的请求，经后端图片标注模块响应根据标签下载相应json标签文件。

7.根据权利要求6所述的一种基于yolov5目标检测算法的智能标注系统，其特征是所述后端的图片标注模块响应存储数据集对应图片，包括：

在服务器指定路径下创建文件夹，将前端上传的数据集对应图片存储在所述文件夹下。

8.根据权利要求6所述的一种基于yolov5目标检测算法的智能标注系统，其特征是所述数据集管理模块通过前端页面标注数据集对应的图片，包括：

通过前端页面的图片标注区域，创建标签，使用图形工具进行图片切换、图片拖拽、图片缩放、矩形标注和/或多边形标注的操作。

9.根据权利要求6所述的一种基于yolov5目标检测算法的智能标注系统，其特征是所述后端的图片标注模块调用yolov5目标检测算法模块训练的推理模型，包括：

后端的图片标注模块创建线程，利用线程调用推理模型。

10.根据权利要求6或9所述的一种基于yolov5目标检测算法的智能标注系统，其特征是所述yolov5目标检测算法模块训练推理模型，包括：

基于yolov5目标检测算法利用train.py训练推理模型，再调用detect.py加载训练好的推理模型。