【技術實現步驟摘要】
本專利技術涉及圖像處理，尤其是一種用于ai分割的混淆矩陣自動生成方法。
技術介紹
1、現有的圖像處理技術中，對圖像進行分割推理，獲取結果；基于分割推理結果，直接計算iou值作為評價指標；判定滿足閾值的區域為正常檢出，不滿足閾值的為不完整檢出；分別處理有標注無推理結果和有推理結果無標注的情況，進行漏檢和過殺的判斷；對于有標注但無推理結果的場景判斷為漏檢；有推理結果但無標注的區域判定為過殺。
2、但是，現有技術具有以下的缺點和問題：
3、(1)簡單的判定規則：
4、現有技術針對簡單情況設計，為了降低算法復雜度和提高計算效率而做出取舍。復雜的情況需要更加精細的算法設計和更合理的處理邏輯。
5、而簡單的iou閾值判定限制了對分割結果的準確性和細致度評估，無法處理到更復雜的情況。例如同一標注區域和多分割結果交集的復雜情況、多標注區域和同一分割結果交集的復雜情況、多推理結果可能為同一目標的復雜情況等。
6、(2)固定的iou閾值：
7、固定iou閾值通常是為了簡化處理流程和減少參數設置，但這種固定性限制了算法在不同場景下的應用靈活性；
8、不能根據任務需求和實際情況調整iou閾值，無法針對特定任務做出定制化調整，限制了分割結果的優化和定制化處理。
9、(3)可視化能力差：
10、現有技術可能更注重算法性能而忽略了用戶交互和可視化方面的需求。缺乏對用戶需求的全面考慮，導致在問題診斷和解決過程中視覺化支持不足。
11、缺乏缺陷
12、(4)適應性差：
13、缺乏適應性是因為算法設計時未考慮到特定場景的復雜性，或者受限于數據集的多樣性和測試樣本的覆蓋不足。
14、該方法缺乏靈活性，無法輕松適應和處理各種不同場景的圖像分割需求，對于特定任務的細致評估較為困難。例如需要判定相近的對象是否為同一目標的需求、處理多標注和單推理結果的判定定制需求、處理單標注和多推理結果的判定定制需求，無法實現多缺陷的多類別混淆矩陣生成。
技術實現思路
1、本專利技術要解決的技術問題是：提供一種用于ai分割的混淆矩陣自動生成方法，解決了傳統處理分割算法的混淆矩陣生成需要人工干預，耗費時間和人力；缺乏自動化工具來快速評估ai圖像分割結果的準確性；難以客觀評價推理結果與標注結果的一致性和準確性；缺乏在單個圖像中生成具有多個缺陷的多類別混淆矩陣的功能；缺乏通用性和定制化，難以適應不同的工程應用需求等問題。
2、本專利技術解決其技術問題所采用的技術方案是：一種用于ai分割的混淆矩陣自動生成方法，包括以下步驟，
3、s1、根據需求設置膨脹判定系數；
4、s2、獲取標注圖像和分割圖像對應的iou、標注顏色、標注以及外接矩形坐標；
5、s3、根據需求定制復雜情況下的判定規則；
6、s4、計算過殺、漏檢、正常檢出和不完整檢出類別以及個數，并統計不同類別中過殺、漏檢、正常檢出和不完整檢出的個數后按照類別生成多類別混淆矩陣；
7、s5、將每個過殺、漏檢、正常檢出和不完整檢出的外接矩形坐標給到ui顯示接口。
8、進一步的說，本專利技術所述的步驟s1中，利用膨脹系數的閾值設置判斷兩個相近的目標是否為同一對象。
9、進一步的說，本專利技術所述的步驟s3中，復雜情況下的判定規則為：
10、1)若同一標注區域和多分割結果有交集，則選擇iou最大值的分割區域與該標注區域為對應關系，并進行過殺、漏檢、正常檢出、不完整檢出的分類；或選擇輸出該標注區域和所有分割區域的iou、標注顏色、標注和分割的外接矩形四個特征，并進行分類；
11、2)若多標注區域和同一分割結果有交集，則選擇iou最大值的標注區域并輸出唯一結果，或選擇所有標注區域；
12、3)不同顏色的標注都按類別分類。
13、進一步的說，本專利技術所述的步驟s4中，計算方式包括以下步驟，
14、(1)創建四個特征容器：用于存儲iou、標注顏色、標注和分割的外接矩形四個特征；
15、(2)圖像預處理：讀取一張標注圖label和分割圖segmentation，判斷label和segmentation圖像通道數；
16、(3)分四種情況計算特征：四種情況分別為label和segmentation提取的連通區域個數都為0、label連通區域個數為0而segmentation連通區域個數不為0、label連通區域個數不為0而segmentation連通區域個數為0以及label和segmentation連通區域個數都不為0；
17、(4)在每一種情況下分別進行特征提取。
18、進一步的說，本專利技術所述的步驟s4中，生成多類別混淆矩陣的方法為：
19、i、遍歷每張圖對應的特征結果；
20、ii、取出第一個位置的標注顏色；
21、iii、對iou＝0的進行判斷：如果有標注外接矩形就判定為漏檢，否則判定為過殺，把結果寫入混淆矩陣對應顏色位置，并給出標注或者分割的外接矩形坐標；
22、iv、對iou>0的進行判斷：如果是一個標注區域對應多個分割區域，根據需求，選擇取iou最大值并輸出結果，或選擇輸出所有結果；如果是多標注區域對應單分割區域，選擇取iou最大值并輸出結果，或選擇輸出所有結果；如果都不是以上情況，則直接根據iou>閾值判定為正常檢出，iou<閾值判定為不完整檢出。
23、再進一步的說，本專利技術所述的步驟(4)中，當標注圖label和分割圖segmentation連通區域個數都不為0時，特征提取方法為：
24、a、遍歷每個標注連通域，并生成一個空區域have_compared_regiong保存處理過的分割區域；計算選中的某個label連通域與label_region的交集；計算交集的中心點，先根據中心點在分割圖中找相應位置的區域a；
25、b、如果找到區域a，則將區域a與seg_region求交集并保存在have_compared_regiong中；然后計算交集與區域a的iou值和分割的最小外接矩形predict_bbox；最后連通交集區域，遍歷每個交集連通區域，計算標注外接矩形坐標tag_bbox和顏色tag_color；
26、c、如果沒有找到區域a，則將選中的某個label連通域與和所有seg_dilatation_region區域求交集；
27、如果交集為空，則輸出iou值為0，predict_bbox＝[0,0,0,0]；連通交集區域并遍歷，計算交集連通域的標注顏色tag_color，標注外接矩形坐標tag_bbox；
28、如果交集不為空，則遍歷交集區域本文檔來自技高網...
【技術保護點】
1.一種用于AI分割的混淆矩陣自動生成方法，其特征在于：包括以下步驟，
2.如權利要求1所述的一種用于AI分割的混淆矩陣自動生成方法，其特征在于：所述的步驟S1中，利用膨脹系數的閾值設置判斷兩個相近的目標是否為同一對象。
3.如權利要求1所述的一種用于AI分割的混淆矩陣自動生成方法，其特征在于：所述的步驟S3中，復雜情況下的判定規則為：
4.如權利要求1所述的一種用于AI分割的混淆矩陣自動生成方法，其特征在于：所述的步驟S4中，計算方式包括以下步驟，
5.如權利要求1所述的一種用于AI分割的混淆矩陣自動生成方法，其特征在于：所述的步驟S4中，生成多類別混淆矩陣的方法為：
6.如權利要求4所述的一種用于AI分割的混淆矩陣自動生成方法，其特征在于：所述的步驟(4)中，當標注圖label和分割圖segmentation連通區域個數都不為0時，特征提取方法為：
【技術特征摘要】
1.一種用于ai分割的混淆矩陣自動生成方法，其特征在于：包括以下步驟，
2.如權利要求1所述的一種用于ai分割的混淆矩陣自動生成方法，其特征在于：所述的步驟s1中，利用膨脹系數的閾值設置判斷兩個相近的目標是否為同一對象。
3.如權利要求1所述的一種用于ai分割的混淆矩陣自動生成方法，其特征在于：所述的步驟s3中，復雜情況下的判定規則為：
4.如權利要求1所述的一種用于ai分...
【專利技術屬性】
技術研發人員：都衛東，王巖松，和江鎮，唐裕峰，吳健雄，
申請(專利權)人：征圖新視江蘇科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。