基于AI智能识别的图像标注方法、装置、设备及存储介质与流程

本发明涉及样本训练的，尤其是涉及一种基于ai智能识别的图像标注方法、装置、设备及存储介质。

背景技术：

1、目前，在基于图像识别的训练过程中，会通过不断采集对应的图片作为训练集，在训练集达到一定的数据量后，训练得到目标模型。

2、现有的在收集训练集中的图片时，会根据训练的目标收集包含相同内容的图片，例如，需要训练能够识别出头盔的模型时，会获取大量含有头盔的图像，并在每一张图像中的头盔的位置进行框选以及标记后，再进行训练。

3、上述中的现有技术方案存在以下缺陷：

4、在对图片进行标记时，容易出现错标或者漏标的情况，影响模型训练的效率和精度。

技术实现思路

1、为了提升在训练模型时，对图片进行标记的准确度，本技术提供一种基于ai智能识别的图像标注方法、装置、设备及存储介质。

2、本技术的上述发明目的一是通过以下技术方案得以实现的：

3、一种基于ai智能识别的图像标注方法，所述基于ai智能识别的图像标注方法包括：

4、获取由待标记图像组成的待标记图像集，通过预设的图像标记模型从所述待标记图像集中获取待训练图像标记；

5、根据图像标记结果筛选出未标记图像，将所述未标记筛选图像存储至对应的待补标数据库；

6、从所述待补标数据库中的图像特征数据，根据所述图像特征数据对所述未标记图像进行归因分类，逐类对所述未标记图像进行补标，得到每类对应的待训练图像集；

7、逐类对所述待训练图像集进行训练，将训练结果更新至所述图像标记模型。

8、通过采用上述技术方案，将待标记图像组成对应的待标记图像集，并在对待标记图像集中的图像进行目标标记后，根据标记的结果及时筛选出未标记的图像，同时，在对未标记图像的图像特征进行归因分类，从而能够在后续对待训练图像集进行训练时，根据相似的未标记图像的特征进行归因训练，能够逐类地漏标的图像特征进行分析训练，从而在将训练结果更新至图像标记模型后，该图像标记模型在后续的识别的过程中，能够减少因为同样的因素导致漏标的情况，进而在不断识别和补标的过程中，逐渐提升图像标记模型的识别精度。

9、本技术在一较佳示例中可以进一步配置为：所述根据图像标记结果筛选出未标记图像，将所述未标记筛选图像存储至对应的待补标数据库，具体包括：

10、获取每张所述待标记图像对应的图像标识，根据所述图像标识生成对应的图像标记标识，在每张所述待标记图像获取到对应的所述待训练图像标记时，为每个所述待训练图像标记附上对应的所述图像标记标识；

11、获取每张所述待标记图像预设的目标图形数量，并统计每张所述待标记图像对应的所述图像标记标识的标识数量；

12、将每张所述待标记图像的所述目标图形数量与所述标识数量进行比对，根据比对结果筛选出所述未标记图像。

13、通过采用上述技术方案，在筛选出未标记图像时，通过预先对待标记图像进行目标图形数量的预设，同时在根据该图像的图像标记标识的标识数量进行比对，能够根据数量差判断出是否与漏标的情况，从而能够及时筛选出出现漏标的图像。

14、本技术在一较佳示例中可以进一步配置为：所述从所述待补标数据库中的图像特征数据，根据所述图像特征数据对所述未标记图像进行归因分类，具体包括：

15、从每张所述未标记图像中获取未标记区域，从所述未标记区域中获取所述图像特征数据；

16、计算每张所述未标记图像之间所述图像特征数据的特征相似度，根据所述特征相似度对所述未标记图像进行归因分类。

17、通过采用上述技术方案，在进行归因分类时，通过定位漏标图像所在的未标记区域，从而根据该区域图像之间的相似度进行计算和比对，从而能够将相似的漏标的图像归为一类，从而能够在后续训练更新图像标记模型时，减少该类型导致漏标的情况。

18、本技术在一较佳示例中可以进一步配置为：所述逐类对所述未标记图像进行补标，得到每类对应的待训练图像集，具体包括：

19、通过所述图像标记模型在每个所述未标记图像的所述未标记区域中进行模糊识别；

20、根据所述识别结果对所述未标记图像进行补标。

21、通过采用上述技术方案，通过定位得到的未标记区域，能够缩小整体模糊识别的范围，减少再标记时的错标的风险，同时，再次使用图像标记模型进行识别，能够从未标记区域中定位出与目标图像更加相似的位置进行补标，从而提升了补标的效率。

22、本技术在一较佳示例中可以进一步配置为：，在所述逐类对所述待训练图像集进行训练，将训练结果更新至所述图像标记模型之后，所述基于ai智能识别的图像标注方法还包括：

23、筛选出所述标记数量大于所述目标图形数量对应的待标记图像，作为待除杂图像；

24、从所述待除杂图像中获取误标图像数据，并从所述误标图像数据中提取误标图像特征；

25、对所述误标图像特征进行训练，将训练结果更新至所述图像标记模型。

26、通过采用上述技术方案，在进行标记时，会出现图像中出现与目标图像相近的图像而导致的误标，因此，会出现标记数量大于目标图形数量对应的待标记图像的现象，因此，将待除杂图像进行筛选，从而根据误标图像数据进行针对训练，从而有助于减少图像标记模型在后续识别时误标的概率。

27、本技术的上述发明目的二是通过以下技术方案得以实现的：

28、一种基于ai智能识别的图像标注装置，所述基于ai智能识别的图像标注装置包括：

29、图像标记模块，用于获取由待标记图像组成的待标记图像集，通过预设的图像标记模型从所述待标记图像集中获取待训练图像标记；

30、图像筛选模块，用于根据图像标记结果筛选出未标记图像，将所述未标记筛选图像存储至对应的待补标数据库；

31、图像分类模块，用于从所述待补标数据库中的图像特征数据，根据所述图像特征数据对所述未标记图像进行归因分类，逐类对所述未标记图像进行补标，得到每类对应的待训练图像集；

32、模型再训练模块，用于逐类对所述待训练图像集进行训练，将训练结果更新至所述图像标记模型。

33、通过采用上述技术方案，将待标记图像组成对应的待标记图像集，并在对待标记图像集中的图像进行目标标记后，根据标记的结果及时筛选出未标记的图像，同时，在对未标记图像的图像特征进行归因分类，从而能够在后续对待训练图像集进行训练时，根据相似的未标记图像的特征进行归因训练，能够逐类地漏标的图像特征进行分析训练，从而在将训练结果更新至图像标记模型后，该图像标记模型在后续的识别的过程中，能够减少因为同样的因素导致漏标的情况，进而在不断识别和补标的过程中，逐渐提升图像标记模型的识别精度。

34、本技术的上述目的三是通过以下技术方案得以实现的：

35、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于ai智能识别的图像标注方法的步骤。

36、本技术的上述目的四是通过以下技术方案得以实现的：

37、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于ai智能识别的图像标注方法的步骤。

38、综上所述，本技术包括以下至少一种有益技术效果：

39、1、将待标记图像组成对应的待标记图像集，并在对待标记图像集中的图像进行目标标记后，根据标记的结果及时筛选出未标记的图像，同时，在对未标记图像的图像特征进行归因分类，从而能够在后续对待训练图像集进行训练时，根据相似的未标记图像的特征进行归因训练，能够逐类地漏标的图像特征进行分析训练，从而在将训练结果更新至图像标记模型后，该图像标记模型在后续的识别的过程中，能够减少因为同样的因素导致漏标的情况，进而在不断识别和补标的过程中，逐渐提升图像标记模型的识别精度；

40、2、在筛选出未标记图像时，通过预先对待标记图像进行目标图形数量的预设，同时在根据该图像的图像标记标识的标识数量进行比对，能够根据数量差判断出是否与漏标的情况，从而能够及时筛选出出现漏标的图像；

41、3、在进行标记时，会出现图像中出现与目标图像相近的图像而导致的误标，因此，会出现标记数量大于目标图形数量对应的待标记图像的现象，因此，将待除杂图像进行筛选，从而根据误标图像数据进行针对训练，从而有助于减少图像标记模型在后续识别时误标的概率。