【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及人工智能和數(shù)據(jù)標(biāo)注，尤其涉及一種自動標(biāo)注方法、裝置、設(shè)備及存儲介質(zhì)。
技術(shù)介紹
1、計(jì)算機(jī)視覺是人工智能
的一個重要分支，它使計(jì)算機(jī)能夠從圖像或多維數(shù)據(jù)中解釋和理解視覺信息，類似于人類的視覺感知。而數(shù)據(jù)標(biāo)注是計(jì)算機(jī)視覺中的一個關(guān)鍵環(huán)節(jié)，通過為物體圖像添加的標(biāo)注信息，計(jì)算機(jī)系統(tǒng)能夠顯著提升其識別物體的精確度，這一改進(jìn)不僅直接增強(qiáng)了圖像識別的準(zhǔn)確性，更在商業(yè)應(yīng)用中發(fā)揮了巨大價值。
2、然而，當(dāng)前物體圖像的標(biāo)注過程繁瑣，不利于提高當(dāng)前物體圖像的標(biāo)注效率。其原因在于，現(xiàn)有技術(shù)主要采用人工標(biāo)注的方式，對當(dāng)前物體圖像的物體進(jìn)行人為識別和區(qū)分，然后手動在當(dāng)前物體圖像上標(biāo)注方框，得到方框形式的標(biāo)注，而當(dāng)前物體圖像很多，采用人工標(biāo)注的方式會耗費(fèi)大量的人力資源和時間資源，增加了當(dāng)前物體圖像的標(biāo)注時間，因此，不利于提高當(dāng)前物體圖像的標(biāo)注效率。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供一種自動標(biāo)注方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)，以解決當(dāng)前物體圖像的標(biāo)注過程繁瑣，不利于提高當(dāng)前物體圖像的標(biāo)注效率的技術(shù)問題。
2、第一方面，提供了一種自動標(biāo)注方法，包括：
3、采用預(yù)設(shè)的物體特征提取網(wǎng)絡(luò)，對各個預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體圖像進(jìn)行特征提取，得到各個預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體特征；
4、獲取當(dāng)前物體圖像，獲取所述候選框生成網(wǎng)絡(luò)基于所述當(dāng)前物體圖像輸出的候選區(qū)域；
5、對所述候選區(qū)域?qū)?yīng)的區(qū)域圖像進(jìn)行特征提取，得到當(dāng)前物體特征；
6
7、選取所述類別相似度最大的所述預(yù)設(shè)物體類別作為所述當(dāng)前物體特征對應(yīng)的當(dāng)前物體類別；
8、獲取所述當(dāng)前物體圖像中的物體對應(yīng)的多邊形包絡(luò)，將所述多邊形包絡(luò)的信息和所述當(dāng)前物體類別進(jìn)行組合，生成所述當(dāng)前物體圖像的標(biāo)注信息，在所述當(dāng)前物體圖像上添加所述標(biāo)注信息，生成標(biāo)注后的所述當(dāng)前物體圖像。
9、進(jìn)一步地，所述獲取當(dāng)前物體圖像，獲取所述候選框生成網(wǎng)絡(luò)基于所述當(dāng)前物體圖像輸出的候選區(qū)域，包括：
10、獲取當(dāng)前物體圖像，將所述當(dāng)前物體圖像的特征向量輸入預(yù)設(shè)的候選框生成網(wǎng)絡(luò)；
11、獲取所述候選框生成網(wǎng)絡(luò)基于所述當(dāng)前物體圖像的特征向量輸出的候選區(qū)域。
12、進(jìn)一步地，所述對所述候選區(qū)域?qū)?yīng)的區(qū)域圖像進(jìn)行特征提取，得到當(dāng)前物體特征，包括：
13、通過所述物體特征提取網(wǎng)絡(luò)，對所述候選區(qū)域?qū)?yīng)的區(qū)域圖像進(jìn)行特征提取，得到所述區(qū)域圖像的圖像特征；
14、選取所述區(qū)域圖像的圖像特征作為當(dāng)前物體特征。
15、進(jìn)一步地，所述將所述當(dāng)前物體特征和各個所述預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體特征之間的特征相似度進(jìn)行相加，得到各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，將各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，除以各個所述預(yù)設(shè)物體類別對應(yīng)的特征數(shù)量，生成各個所述預(yù)設(shè)物體類別對應(yīng)的類別相似度，包括：
16、選取所述預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體特征的數(shù)量作為所述預(yù)設(shè)物體類別對應(yīng)的特征數(shù)量；
17、將所述當(dāng)前物體特征和各個所述預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體特征之間的特征相似度進(jìn)行相加，得到各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，將各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，除以各個所述預(yù)設(shè)物體類別對應(yīng)的特征數(shù)量，生成各個所述預(yù)設(shè)物體類別對應(yīng)的類別相似度。
18、進(jìn)一步地，所述選取所述類別相似度最大的所述預(yù)設(shè)物體類別作為所述當(dāng)前物體特征對應(yīng)的當(dāng)前物體類別，包括：
19、獲取預(yù)設(shè)相似度，判斷所述類別相似度是否大于所述預(yù)設(shè)相似度；
20、當(dāng)所述類別相似度大于所述預(yù)設(shè)相似度時，選取所述類別相似度最大的所述預(yù)設(shè)物體類別作為所述當(dāng)前物體特征對應(yīng)的當(dāng)前物體類別。
21、進(jìn)一步地，所述獲取所述當(dāng)前物體圖像中的物體對應(yīng)的多邊形包絡(luò)，將所述多邊形包絡(luò)的信息和所述當(dāng)前物體類別進(jìn)行組合，生成所述當(dāng)前物體圖像的標(biāo)注信息，在所述當(dāng)前物體圖像上添加所述標(biāo)注信息，生成標(biāo)注后的所述當(dāng)前物體圖像，包括：
22、將所述當(dāng)前物體圖像、所述候選區(qū)域和所述當(dāng)前物體類別輸入預(yù)設(shè)的圖像分割模型，通過所述圖像分割模型，根據(jù)所述候選區(qū)域和所述當(dāng)前物體類別，對所述當(dāng)前物體圖像進(jìn)行圖像分割，生成所述當(dāng)前物體圖像中的物體對應(yīng)的多邊形包絡(luò)；
23、將所述多邊形包絡(luò)的信息和所述當(dāng)前物體類別進(jìn)行組合，得到所述當(dāng)前物體圖像的標(biāo)注信息，在所述當(dāng)前物體圖像上添加所述標(biāo)注信息，生成標(biāo)注后的所述當(dāng)前物體圖像。
24、進(jìn)一步地，在所述獲取所述當(dāng)前物體圖像中的物體對應(yīng)的多邊形包絡(luò)，將所述多邊形包絡(luò)的信息和所述當(dāng)前物體類別進(jìn)行組合，生成所述當(dāng)前物體圖像的標(biāo)注信息，在所述當(dāng)前物體圖像上添加所述標(biāo)注信息，生成標(biāo)注后的所述當(dāng)前物體圖像之后，所述自動標(biāo)注方法，包括：
25、創(chuàng)建顯示頁面的顯示窗口，通過所述顯示窗口顯示所述標(biāo)注信息。
26、第二方面，提供了一種自動標(biāo)注裝置，包括：
27、第一提取模塊，用于采用預(yù)設(shè)的物體特征提取網(wǎng)絡(luò)，對各個預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體圖像進(jìn)行特征提取，得到各個預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體特征；
28、第一獲取模塊，用于獲取當(dāng)前物體圖像，獲取所述候選框生成網(wǎng)絡(luò)基于所述當(dāng)前物體圖像輸出的候選區(qū)域；
29、第二提取模塊，用于對所述候選區(qū)域?qū)?yīng)的區(qū)域圖像進(jìn)行特征提取，得到當(dāng)前物體特征；
30、生成模塊，用于將所述當(dāng)前物體特征和各個所述預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體特征之間的特征相似度進(jìn)行相加，得到各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，將各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，除以各個所述預(yù)設(shè)物體類別對應(yīng)的特征數(shù)量，生成各個所述預(yù)設(shè)物體類別對應(yīng)的類別相似度；
31、選取模塊，用于選取所述類別相似度最大的所述預(yù)設(shè)物體類別作為所述當(dāng)前物體特征對應(yīng)的當(dāng)前物體類別；
32、標(biāo)注模塊，用于獲取所述當(dāng)前物體圖像中的物體對應(yīng)的多邊形包絡(luò)，將所述多邊形包絡(luò)的信息和所述當(dāng)前物體類別進(jìn)行組合，生成所述當(dāng)前物體圖像的標(biāo)注信息，在所述當(dāng)前物體圖像上添加所述標(biāo)注信息，生成標(biāo)注后的所述當(dāng)前物體圖像。
33、第三方面，提供了一種計(jì)算機(jī)設(shè)備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時實(shí)現(xiàn)上述自動標(biāo)注方法的步驟。
34、第四方面，提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述自動標(biāo)注方法的步驟。
35、本申請?zhí)峁┮环N自動標(biāo)注方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)，采用預(yù)設(shè)的物體特征提取網(wǎng)絡(luò)，對各個預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體圖像進(jìn)行特征提取本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種自動標(biāo)注方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述獲取當(dāng)前物體圖像，獲取所述候選框生成網(wǎng)絡(luò)基于所述當(dāng)前物體圖像輸出的候選區(qū)域，包括：
3.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述對所述候選區(qū)域?qū)?yīng)的區(qū)域圖像進(jìn)行特征提取，得到當(dāng)前物體特征，包括：
4.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述將所述當(dāng)前物體特征和各個所述預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體特征之間的特征相似度進(jìn)行相加，得到各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，將各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，除以各個所述預(yù)設(shè)物體類別對應(yīng)的特征數(shù)量，生成各個所述預(yù)設(shè)物體類別對應(yīng)的類別相似度，包括：
5.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述選取所述類別相似度最大的所述預(yù)設(shè)物體類別作為所述當(dāng)前物體特征對應(yīng)的當(dāng)前物體類別，包括：
6.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述獲取所述當(dāng)前物體圖像中的物體對應(yīng)的多邊形包絡(luò)，將所述多邊形包絡(luò)的信息和所述當(dāng)前物體類別進(jìn)行組合，生成所述當(dāng)前物體圖像的標(biāo)注信息
7.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，在獲取所述當(dāng)前物體圖像中的物體對應(yīng)的多邊形包絡(luò)，將所述多邊形包絡(luò)的信息和所述當(dāng)前物體類別進(jìn)行組合，生成所述當(dāng)前物體圖像的標(biāo)注信息，在所述當(dāng)前物體圖像上添加所述標(biāo)注信息，生成標(biāo)注后的所述當(dāng)前物體圖像之后，所述自動標(biāo)注方法，包括：
8.一種自動標(biāo)注裝置，其特征在于，包括：
9.一種計(jì)算機(jī)設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述自動標(biāo)注方法的步驟。
10.一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述自動標(biāo)注方法的步驟。
...【技術(shù)特征摘要】
1.一種自動標(biāo)注方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述獲取當(dāng)前物體圖像，獲取所述候選框生成網(wǎng)絡(luò)基于所述當(dāng)前物體圖像輸出的候選區(qū)域，包括：
3.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述對所述候選區(qū)域?qū)?yīng)的區(qū)域圖像進(jìn)行特征提取，得到當(dāng)前物體特征，包括：
4.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述將所述當(dāng)前物體特征和各個所述預(yù)設(shè)物體類別對應(yīng)的預(yù)設(shè)物體特征之間的特征相似度進(jìn)行相加，得到各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，將各個所述預(yù)設(shè)物體類別對應(yīng)的相似度總和，除以各個所述預(yù)設(shè)物體類別對應(yīng)的特征數(shù)量，生成各個所述預(yù)設(shè)物體類別對應(yīng)的類別相似度，包括：
5.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述選取所述類別相似度最大的所述預(yù)設(shè)物體類別作為所述當(dāng)前物體特征對應(yīng)的當(dāng)前物體類別，包括：
6.根據(jù)權(quán)利要求1所述的自動標(biāo)注方法，其特征在于，所述獲取所述當(dāng)前物體圖像中的物體...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：周忠祥，李伯鈞，
申請(專利權(quán))人：浙江人形機(jī)器人創(chuàng)新中心有限公司，
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。