本申請實施例公開了一種數(shù)據(jù)處理方法、裝置、電子設(shè)備和存儲介質(zhì)，本發(fā)明專利技術(shù)實施例可應(yīng)用于云技術(shù)、人工智能、智慧交通、輔助駕駛等各種場景；包括：獲取一圖像，圖像包括多個圖像內(nèi)容，每個圖像內(nèi)容屬于一內(nèi)容類別；每一種內(nèi)容類別通過與之對應(yīng)的一標注像素點進行標注；獲取標注像素點對應(yīng)的第一特征值集合；確定圖像中的未標注像素點，以及獲取未標注像素點對應(yīng)的第二特征值集合；根據(jù)第一特征值集合與第二特征值集合，預測未標注像素點的預測類別；將滿足預設(shè)要求的預測類別作為未標注像素點的偽標簽，并利用偽標簽對未標注像素點進行標注。本申請可在人為標注信息較少的情況下，利用算法完善標注信息，進而實現(xiàn)對成本與檢測效果的兼顧。果的兼顧。果的兼顧。
【技術(shù)實現(xiàn)步驟摘要】
數(shù)據(jù)處理方法、裝置、電子設(shè)備和存儲介質(zhì)
[0001]本申請涉及圖像處理領(lǐng)域，具體涉及一種數(shù)據(jù)處理方法、裝置、電子設(shè)備和存儲介質(zhì)。
技術(shù)介紹
[0002]現(xiàn)有技術(shù)中，在對圖片中特定類別的目標圖像進行檢測時，往往會采用全監(jiān)督目標檢測(Fully Supervised Object Detection，簡稱FSOD)、弱監(jiān)督目標檢測(Weakly Supervised Object Detection，簡稱WSOD)或半監(jiān)督目標檢測(Semi
?
supervised Object Detection，簡稱SSOD)中的一種。
[0003]然而，利用全監(jiān)督目標檢測進行檢測時，雖然檢測效果較好，但需要耗費大量的人力、物力來獲取數(shù)量較大的準確的標注信息。利用弱監(jiān)督目標檢測或半監(jiān)督目標檢測，雖然對標注信息的需求較少，但檢測效果通常較差。因此，現(xiàn)有技術(shù)中通常無法做到對成本與檢測效果的兼顧。
技術(shù)實現(xiàn)思路
[0004]本申請實施例提供一種數(shù)據(jù)處理方法、裝置、電子設(shè)備和存儲介質(zhì)，可以改善現(xiàn)有技術(shù)無法做到對成本與檢測效果的兼顧的問題。
[0005]本申請實施例提供一種數(shù)據(jù)處理方法，所述方法包括：
[0006]獲取一圖像，所述圖像包括多個圖像內(nèi)容，每個所述圖像內(nèi)容屬于一內(nèi)容類別；每一種內(nèi)容類別通過與之對應(yīng)的一標注像素點進行標注，所述標注像素點位于對應(yīng)的內(nèi)容類別所包括的一圖像內(nèi)容中；
[0007]獲取所述標注像素點對應(yīng)的第一特征值集合；
[0008]確定所述圖像中的未標注像素點，以及獲取所述未標注像素點對應(yīng)的第二特征值集合；
[0009]根據(jù)所述第一特征值集合與所述第二特征值集合，預測所述未標注像素點的預測類別；
[0010]將滿足預設(shè)要求的所述預測類別作為所述未標注像素點的偽標簽，并利用所述偽標簽對所述未標注像素點進行標注。
[0011]本申請實施例還提供一種數(shù)據(jù)處理裝置，包括：
[0012]圖像獲取單元，用于獲取一圖像，所述圖像包括多個圖像內(nèi)容，每個所述圖像內(nèi)容屬于一內(nèi)容類別；每一種內(nèi)容類別通過與之對應(yīng)的一標注像素點進行標注，所述標注像素點位于對應(yīng)的內(nèi)容類別所包括的一圖像內(nèi)容中；
[0013]第一集合獲取單元，用于獲取所述標注像素點對應(yīng)的第一特征值集合；
[0014]第二集合獲取單元，用于確定所述圖像中的未標注像素點，以及獲取所述未標注像素點對應(yīng)的第二特征值集合；
[0015]預測類別獲取單元，用于根據(jù)所述第一特征值集合與所述第二特征值集合，預測
所述未標注像素點的預測類別；
[0016]像素點標注單元，用于將滿足預設(shè)要求的所述預測類別作為所述未標注像素點的偽標簽，并利用所述偽標簽對所述未標注像素點進行標注。
[0017]在一些實施例中，所述標注像素點位于的圖像內(nèi)容記為標注圖像內(nèi)容；第一集合獲取單元，包括：
[0018]特征值獲取子單元，用于對于每個標注像素點所分別對應(yīng)的標注圖像內(nèi)容，獲取所述標注圖像內(nèi)容對應(yīng)的特征值；
[0019]第一集合子單元，用于對多個所述標注圖像內(nèi)容的特征值進行聚合，得到所述第一特征值集合。
[0020]在一些實施例中，特征值獲取子單元，包括：
[0021]像素點次子單元，用于獲取所述標注圖像內(nèi)容對應(yīng)的像素點集合，所述像素點集合包括中心像素點和非中心像素點；
[0022]第一運算次子單元，用于對所述中心像素點和所述非中心像素點進行第一運算處理，得到所述像素點集合中的每個所述中心像素點和每個所述非中心像素點分別對應(yīng)的內(nèi)容參數(shù)值；
[0023]第二運算次子單元，用于將所述像素點集合中的每個像素點分別對應(yīng)的內(nèi)容參數(shù)值與所述圖像的對應(yīng)位置的特征參數(shù)值進行第二運算處理，得到特征值，所述特征值為所述標注圖像內(nèi)容對應(yīng)的特征值。
[0024]在一些實施例中，第二運算次子單元，具體用于將所述像素點集合中的每個具備內(nèi)容參數(shù)值的像素點分別對應(yīng)的內(nèi)容參數(shù)值與所述圖像的對應(yīng)位置的特征參數(shù)值逐位相乘，得到多個乘積值；對所述多個乘積值進行加和處理，得到加和結(jié)果；對所述加和結(jié)果進行歸一化處理，得到所述特征值。
[0025]在一些實施例中，所述圖像包括第一數(shù)量個內(nèi)容類別；預測類別獲取單元，包括：
[0026]第三運算子單元，用于對所述第一特征值集合與所述第二特征值集合進行第三運算處理，得到每個所述未標注像素點對應(yīng)的所述第一數(shù)量個相似度值，其中，第一數(shù)量個相似度值與第一數(shù)量個內(nèi)容類別一一對應(yīng)；
[0027]目標類別子單元，用于對于每個所述未標注像素點，獲取該未標注像素點對應(yīng)的所述第一數(shù)量個相似度值中相似度值最大的目標相似度值、以及所述目標相似度值對應(yīng)的目標內(nèi)容類別；
[0028]預測類別子單元，用于在所述目標相似度值超過相似度閾值時，將對應(yīng)的所述目標內(nèi)容類別作為所述未標注像素點的預測類別。
[0029]在一些實施例中，所述裝置還包括：
[0030]背景類別確定單元，用于在所述目標相似度值未超過相似度閾值時，將所述未標注像素點的預測類別確定為背景類別，其中，所述背景類別的未標注像素點不予標注偽標簽。
[0031]在一些實施例中，所述標注像素點位于的圖像內(nèi)容記為標注圖像內(nèi)容；所述裝置還包括：
[0032]目標損失構(gòu)建單元，用于根據(jù)當前的標注圖像內(nèi)容的中心像素點與當前的標注圖像內(nèi)容的非中心像素點之間的關(guān)聯(lián)關(guān)系、當前的標注圖像內(nèi)容的中心像素點與第二數(shù)量個
像素點預測值之間的關(guān)聯(lián)關(guān)系、以及當前的標注圖像內(nèi)容的中心像素點與每個標注圖像內(nèi)容的非中心像素點之間的關(guān)聯(lián)關(guān)系，構(gòu)建目標損失值的運算；
[0033]關(guān)聯(lián)關(guān)系調(diào)整單元，用于令所述目標損失值最小，從而對當前的標注圖像內(nèi)容的中心像素點與當前的標注圖像內(nèi)容的非中心像素點之間的關(guān)聯(lián)關(guān)系、當前的標注圖像內(nèi)容的中心像素點與第二數(shù)量個像素點預測值之間的關(guān)聯(lián)關(guān)系、以及當前的標注圖像內(nèi)容的中心像素點與每個標注圖像內(nèi)容的非中心像素點之間的關(guān)聯(lián)關(guān)系進行調(diào)整。
[0034]本申請實施例還提供一種電子設(shè)備，包括存儲器存儲有多條指令；所述處理器從所述存儲器中加載指令，以執(zhí)行本申請實施例所提供的任一種數(shù)據(jù)處理方法中的步驟。
[0035]本申請實施例還提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有多條指令，所述指令適于處理器進行加載，以執(zhí)行本申請實施例所提供的任一種數(shù)據(jù)處理方法中的步驟。
[0036]本申請實施例可以獲取一圖像，該圖像包括多個圖像內(nèi)容，每個圖像內(nèi)容均有自身所屬的內(nèi)容類別。每一種內(nèi)容類別通過與之相對的一個標注像素點進行標注，且標注像素點位于對應(yīng)的內(nèi)容類別所包括的一圖像內(nèi)容中，該圖像內(nèi)容歸屬于上述多個圖像內(nèi)容。圖像由標注像素點和未標注像素點構(gòu)成，對于標注像素點，可以獲取其對應(yīng)的第一特征值集合；對于未標注像素點，可以獲取其對應(yīng)的第二特征值集合，然后可以根據(jù)第一特征值集合以及第二特征值集合預測未標注像素點的預測類別；將滿足預設(shè)要求的所述預測類別作為本文檔來自技高網(wǎng)...
【技術(shù)保護點】
【技術(shù)特征摘要】
1.一種數(shù)據(jù)處理方法，其特征在于，所述方法包括：獲取一圖像，所述圖像包括多個圖像內(nèi)容，每個所述圖像內(nèi)容屬于一內(nèi)容類別；每一種內(nèi)容類別通過與之對應(yīng)的一標注像素點進行標注，所述標注像素點位于對應(yīng)的內(nèi)容類別所包括的一圖像內(nèi)容中；獲取所述標注像素點對應(yīng)的第一特征值集合；確定所述圖像中的未標注像素點，以及獲取所述未標注像素點對應(yīng)的第二特征值集合；根據(jù)所述第一特征值集合與所述第二特征值集合，預測所述未標注像素點的預測類別；將滿足預設(shè)要求的所述預測類別作為所述未標注像素點的偽標簽，并利用所述偽標簽對所述未標注像素點進行標注。2.如權(quán)利要求1所述的方法，其特征在于，所述標注像素點位于的圖像內(nèi)容記為標注圖像內(nèi)容；所述獲取所述標注像素點對應(yīng)的第一特征值集合，包括：對于每個標注像素點所分別對應(yīng)的標注圖像內(nèi)容，獲取所述標注圖像內(nèi)容對應(yīng)的特征值；對多個所述標注圖像內(nèi)容的特征值進行聚合，得到所述第一特征值集合。3.如權(quán)利要求2所述的方法，其特征在于，所述對于每個標注像素點所分別對應(yīng)的標注圖像內(nèi)容，獲取所述標注圖像內(nèi)容對應(yīng)的特征值，包括：獲取所述標注圖像內(nèi)容對應(yīng)的像素點集合，所述像素點集合包括中心像素點和非中心像素點；對所述中心像素點和所述非中心像素點進行第一運算處理，得到所述像素點集合中的每個所述中心像素點和每個所述非中心像素點分別對應(yīng)的內(nèi)容參數(shù)值；將所述像素點集合中的每個像素點分別對應(yīng)的內(nèi)容參數(shù)值與所述圖像的對應(yīng)位置的特征參數(shù)值進行第二運算處理，得到特征值，所述特征值為所述標注圖像內(nèi)容對應(yīng)的特征值。4.如權(quán)利要求3所述的方法，其特征在于，所述將所述像素點集合中的每個像素點分別對應(yīng)的內(nèi)容參數(shù)值與所述圖像的對應(yīng)位置的特征參數(shù)值進行第二運算處理，得到特征值，包括：將所述像素點集合中的每個具備內(nèi)容參數(shù)值的像素點分別對應(yīng)的內(nèi)容參數(shù)值與所述圖像的對應(yīng)位置的特征參數(shù)值逐位相乘，得到多個乘積值；對所述多個乘積值進行加和處理，得到加和結(jié)果；對所述加和結(jié)果進行歸一化處理，得到所述特征值。5.如權(quán)利要求1所述的方法，其特征在于，所述圖像包括第一數(shù)量個內(nèi)容類別；所述根據(jù)所述第一特征值集合與所述第二特征值集合，預測所述未標注像素點的預測類別，包括：對所述第一特征值集合與所述第二特征值集合進行第三運算處理，得到每個所述未標注像素點對應(yīng)的所述第一數(shù)量個相似度值，其中，第一數(shù)量個相似度值與第一數(shù)量個內(nèi)容類別一一對應(yīng)；對于每個所述未標注像素點，獲取該未標注像素點對應(yīng)的所述第一數(shù)量個相似度值中
相...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李漢俊，潘興甲，鄢科，
申請(專利權(quán))人：騰訊科技深圳有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。