一种智能图像标注方法

本发明涉及数据标注，特别是涉及一种智能图像标注方法。

背景技术：

1、图像标注在计算机视觉中发挥着举足轻重的作用，该技术是计算机能够从数字图像或视频中获得高级别的理解，并像人类一样查看和解释视觉信息。图像标注的目的是需要不同图像标注技术来开发有效的数据集并可以完成特定要求的标注工作。这可以包括图像分类的标注、物体检测和物体识别的标注、图像分割的标注、边界识别的标注、形状标注的标注。目前的图像数据标注一般是采用人工标注矩阵框的方法，生成图像标注信息，人工成本高、标注效率低，且质量较差。因此，设计一种智能图像标注方法是十分有必要的。

技术实现思路

1、本发明的目的是提供一种智能图像标注方法，能够实现图像的自动标注，无需人工标注，降低了标注成本，提高了标注效率。

2、为实现上述目的，本发明提供了如下方案：

3、一种智能图像标注方法，包括如下步骤：

4、步骤1：获取标注图像；

5、步骤2：搭建并训练奇数个图像标注模型，并将标注图像输入训练后的图像标注模型中，得到奇数个第一标注完成图像；

6、步骤3：获取每个第一标注完成图像中的标注物体信息，获取标注物体信息相同的第一标注完成图像的数目，若数目小于预设阈值，则将第一标注完成图像重新标注，得到第二标注完成图像；

7、步骤4：搭建并训练图像标注判别模型，将第二标注完成图像输入图像标注判别模型中，判断第二标注完成图像是否准确，若准确，则将第二标注完成图像作为目标完成图像。

8、可选的，步骤2中，搭建并训练奇数个图像标注模型，并将标注图像输入训练后的图像标注模型中，得到奇数个第一标注完成图像，具体为：

9、搭建奇数个图像标注模型，其中，图像标注模型包括位置信息识别模型、目标分类模型及目标检测模型，将训练样本图像及训练样本的属性信息作为输入，训练样本图像中的位置信息作为输出，对位置信息识别模型进行训练，将将训练样本图像、训练样本的属性信息以及训练样本图像中的位置信息作为输入，位置信息对应的类别信息作为输出，对目标分类模型进行训练，将训练样本图像、训练样本的属性信息、训练样本图像中的位置信息及位置信息对应的类别信息作为输入，训练样本图像中的目标图像的标注框作为输出，对目标检测模型进行训练，将标注图像输入训练后的位置信息识别模型、目标分类模型及目标检测模型中，根据位置信息识别模型得到标注图像中的目标图像的位置信息，将位置信息输入目标分类模型，根据目标分类模型得到标注图像中的目标图像的位置信息对应的目标图像的类别信息，将目标图像的位置信息及类别信息输入目标检测模型中，根据目标检测模型得到标注图像中目标图像的标注框，将标注框标注在目标图像上，得到第一标注完成图像。

10、可选的，将位置信息输入目标分类模型，根据目标分类模型得到标注图像中的目标图像的位置信息对应的目标图像的类别信息，具体包括如下步骤：

11、s101：获取标注图像的图像尺寸信息；

12、s102：根据图像尺寸信息及第一预设比例，确定第一目标图像区域尺寸，以标注图像中的目标图像的位置信息为中心，根据第一目标图像区域尺寸划定第一区域；

13、s103：基于目标分类模型获取第一区域中的目标图像的类别信息，若标注图像中包含多个目标图像，则分别重复进行步骤，获取所有目标图像的类别信息。

14、可选的，将目标图像的位置信息及类别信息输入目标检测模型中，根据目标检测模型得到标注图像中目标图像的标注框，具体包括如下步骤：

15、s201：根据标注图像的类别信息，选择相应的目标检测模型，其中，目标检测模型对应标注图像的类别信息设置有多种；

16、s202：根据标注图像中目标图像的位置信息，以位置信息为中心，通过目标检测模型进行检测，得到目标图像的标注框。

17、可选的，步骤3中，获取每个第一标注完成图像中的标注物体信息，获取标注物体信息相同的第一标注完成图像的数目，若数目小于预设阈值，则将第一标注完成图像重新标注，得到第二标注完成图像，具体为：

18、获取每个第一标注完成图像中的标注物体信息，根据每个第一标注完成图像中的标注物体信息获取标注物体信息相同的第一标注完成图像的数目，若小于预设阈值，则将第一标注完成图像重新标注，得到第二标注完成图像，其中，预设阈值大于图像标注模型个数的一半，若大于或等于预设阈值，则将第一标注完成图像作为目标完成图像。

19、可选的，步骤4中，搭建并训练图像标注判别模型，将第二标注完成图像输入图像标注判别模型中，判断第二标注完成图像是否准确，若准确，则将第二标注完成图像作为目标完成图像，具体为：

20、搭建图像标注判别模型，将训练样本图像及训练样本的属性信息作为输入，判别结果作为输出，对图像标注判别模型进行训练，得到训练后的图像标注判断模型，将第二标注完成图像输入训练后的图像标注判断模型中，得到判别结果，若判别结果为准确，则将第二标注完成图像作为目标完成图像，若判别结果为错误，则重新标注，并重复上述步骤，直至判别结果准确为止。

21、根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的智能图像标注方法，该方法包括获取标注图像，搭建并训练奇数个图像标注模型，并将标注图像输入训练后的图像标注模型中，得到奇数个第一标注完成图像，获取每个第一标注完成图像中的标注物体信息，获取标注物体信息相同的第一标注完成图像的数目，若数目小于预设阈值，则将第一标注完成图像重新标注，得到第二标注完成图像，搭建并训练图像标注判别模型，将第二标注完成图像输入图像标注判别模型中，判断第二标注完成图像是否准确，若准确，则将第二标注完成图像作为目标完成图像；与传统标注方法相对比，降低了成本，提高了标注效率及标注准确度，节省了标注时间。

技术特征：

1.一种智能图像标注方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的智能图像标注方法，其特征在于，步骤2中，搭建并训练奇数个图像标注模型，并将标注图像输入训练后的图像标注模型中，得到奇数个第一标注完成图像，具体为：

3.根据权利要求2所述的智能图像标注方法，其特征在于，将位置信息输入目标分类模型，根据目标分类模型得到标注图像中的目标图像的位置信息对应的目标图像的类别信息，具体包括如下步骤：

4.根据权利要求3所述的智能图像标注方法，其特征在于，将目标图像的位置信息及类别信息输入目标检测模型中，根据目标检测模型得到标注图像中目标图像的标注框，具体包括如下步骤：

5.根据权利要求4所述的智能图像标注方法，其特征在于，步骤3中，获取每个第一标注完成图像中的标注物体信息，获取标注物体信息相同的第一标注完成图像的数目，若数目小于预设阈值，则将第一标注完成图像重新标注，得到第二标注完成图像，具体为：

6.根据权利要求5所述的智能图像标注方法，其特征在于，步骤4中，搭建并训练图像标注判别模型，将第二标注完成图像输入图像标注判别模型中，判断第二标注完成图像是否准确，若准确，则将第二标注完成图像作为目标完成图像，具体为：

技术总结
本发明提供了一种智能图像标注方法，包括：获取标注图像，搭建并训练奇数个图像标注模型，并将标注图像输入训练后的图像标注模型中，得到奇数个第一标注完成图像，获取每个第一标注完成图像中的标注物体信息，获取标注物体信息相同的第一标注完成图像的数目，若数目小于预设阈值，则将第一标注完成图像重新标注，得到第二标注完成图像，搭建并训练图像标注判别模型，将第二标注完成图像输入图像标注判别模型中，判断第二标注完成图像是否准确，若准确，则将第二标注完成图像作为目标完成图像。本发明提供的智能图像标注方法，能够实现图像的自动标注，无需人工标注，降低了标注成本，提高了标注效率。

技术研发人员：杨德国,邱翊翌,王挺,崔勇,佟星
受保护的技术使用者：沈阳工业大学
技术研发日：
技术公布日：2024/1/13