CN108573279A - 图像标注方法及终端设备 - Google Patents
图像标注方法及终端设备 Download PDFInfo
- Publication number
- CN108573279A CN108573279A CN201810223062.7A CN201810223062A CN108573279A CN 108573279 A CN108573279 A CN 108573279A CN 201810223062 A CN201810223062 A CN 201810223062A CN 108573279 A CN108573279 A CN 108573279A
- Authority
- CN
- China
- Prior art keywords
- image
- mark
- marked
- mark set
- adjustment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,提供了一种图像标注方法及终端设备。该方法包括:获取待标注图像,并将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合;显示包含所述第一标注集合的待标注图像;获取用户输入的调整信息,并根据所述调整信息对所述第一标注集合进行调整;根据调整后的第一标注集合确定所述待标注图像的最终标注集合。本发明能够将图像的自动标注与人工标注相结合,大幅度提高图像标注的效率,并且能够保证标注的准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像标注方法及终端设备。
背景技术
图像标注,是指在图像中用图形、文字等标注出目标区域的位置,主要应用于计算机视觉方面的识别和检测等技术领域,比如目标检测(ObjectDetection)技术,需要输入大量的已标注图像数据作为训练集,才能得到比较好的检测效果。
现有的图像标注技术主要是通过人工标注,或者通过传统计算机视觉方面的算法进行自动标注,比如图像特征提取算法,通过提取图像的特征定位出图像中的关键位置进行标注。但是人工标注方法所需的工作量太大,效率低,而传统计算机视觉的算法又不能保证标注的稳定性,如果是待标注图像的关键点数量比较多,或者图像的特征不够明显的情况,通过算法进行图像标注的效率明显降低,且难以保证标注的准确性。
发明内容
有鉴于此,本发明实施例提供了图像标注方法及终端设备,以解决目前图像标注效率低且标注准确性较差的问题。
本发明实施例的第一方面提供了图像标注方法,包括:
获取待标注图像,并将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合;
显示包含所述第一标注集合的待标注图像;
获取用户输入的调整信息,并根据所述调整信息对所述第一标注集合进行调整;
根据调整后的第一标注集合确定所述待标注图像的最终标注集合。
本发明实施例的第二方面提供了图像标注装置,包括:
获取模块,用于获取待标注图像,并将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合;
显示模块,用于显示包含所述第一标注集合的待标注图像;
调整模块,用于获取用户输入的调整信息,并根据所述调整信息对所述第一标注集合进行调整;
处理模块,用于根据调整后的第一标注集合确定所述待标注图像的最终标注集合。
本发明实施例的第三方面提供了终端设备,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第一方面中的图像标注方法。
本发明实施例的第四方面提供了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第一方面中的图像标注方法。
本发明实施例与现有技术相比存在的有益效果是:通过将待标注图像输入目标检测模型得到待标注图像的第一标注集合,显示包含第一标注集合的待标注图像,获取用户输入的调整信息,并根据调整信息对第一标注集合进行调整,根据调整后的第一标注集合确定待标注图像的最终标注集合,能够将图像的自动标注与人工标注相结合,大幅度提高图像标注的效率,并且能够保证标注的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的图像标注方法的实现流程图;
图2是本发明实施例提供的图像标注方法中通过目标检测模型得到第一标注集合的实现流程图;
图3是本发明实施例提供的图像标注方法中对原始图像进行数据增强的实现流程图;
图4是本发明实施例提供的图像标注装置的示意图;
图5是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1为本发明实施例提供的图像标注方法的实现流程图,详述如下:
在S101中,获取待标注图像,并将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合。
在本实施例中,待标注图像为需要进行标注的图像。目标检测模型可以为基于计算机视觉算法、机器学习算法等用于对图像进行自动标注的模型。目标检测模型可以检测出图像中的目标区域并进行自动标注。第一标注集合为目标检测模型自动检测出的待标注图像的所有标注结果的集合。第一标注集合可以包括待标注图像各个标注元素的信息,其中标注元素的信息用于表征对待标注图像进行标注后的标注结果。
作为本发明的一个实施例,如图2所示,S101中“将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合”的步骤可以包括:
在S201中,获取原始图像,并对所述原始图像进行数据增强。
在本实施例中,原始图像为经过人工标注后能用于训练目标检测模型的图像。数据增强为对有限的训练数据通过某种变换操作,从而生成新数据的数据处理方式。由于人工标注过于繁琐,为保证图像标注的效率,本实施例只对一定数量的原始图像进行人工标注,再通过对原始图像进行数据增强,来增加训练目标检测模型的数据量。这样既能保证图像标注的效率,又能增加训练数据量,提高目标检测模型的标注准确度。
在S202中,建立所述目标检测模型,并根据数据增强后的原始图像对所述目标检测模型进行训练。
在本实施例中,首先建立目标检测模型,再将数据增强后的人工标注的原始图像输入到目标检测模型中,训练目标检测模型,以提高目标检测模型对图像自动标注的准确度。
在S203中,将所述待标注图像输入训练后的目标检测模型得到所述第一标注集合。
本实施例通过数据增强后的原始图像对目标检测模型进行训练,再根据训练后的目标检测模型对待标注图像进行自动标注,得到第一标注集合,能够既保证图像标注效率,又极大提高目标检测模型的自动标注准确度。
作为本发明的一个实施例,如图3所示,S201可以包括:
在S301中,获取预设张数的原始图像及对应的人工标注信息;所述人工标注信息为对原始图像的目标区域进行人工标注得到的信息。
在本实施例中,从原始数据集中随机挑选预设张数的原始图像,对原始图像中的目标区域进行人工标注,从而获取到预设张数的人工标注图像及各个人工标注图像对应的人工标注信息。预设张数可以根据待标注图像的目标区域识别难度以及对目标检测模型的检测准确度要求进行设定。例如预设张数可以为50、100等。一般来说预设张数越大,训练出的目标检测模型自动标注的准确性越高,最终该图像标注方法得到的标注效果越好。
人工标注信息可以包括但不限于标注图形的形状信息和目标区域的标注类别。其中标注图形的形状可以为矩形框,亦可以采取其他形式的标注图形,如圆形、椭圆形、多边形等,在此不作限定。
在S302中,对预设张数的原始图像及对应的人工标注信息进行数据增强。
S202中“根据数据增强后的原始图像对所述目标检测模型进行训练”的步骤可以包括:
根据数据增强后的原始图像及对应的人工标注信息对所述目标检测模型进行训练。
在本实施例中,数据增强包括但不限于旋转变换、翻转变换、反射变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动和颜色变换中的一种或多种。
可选地,数据增强可以包括:顺时针旋转90°、顺时针旋转180°、顺指针旋转270°、水平镜像翻转、亮度增强和亮度减弱。这样通过数据增强,1张原始图像可以增强为7张图像。如果原始图像有n张,那么经过数据增强后图像增加7倍,达到7n张。需要注意的是,上述操作仅限于本实施例,其他情况中可以有更多的数据增强方法,在此不作限定。
可选地,采用矩形框对原始图像的目标区域进行标注。原始图像的人工标注信息可以包括标注框两个相对顶点的坐标。两个顶点坐标可以为左上角顶点坐标和右下角顶点坐标,也可以为右上角顶点坐标和左下角顶点坐标。
下面通过对一张原始图像中标注框的数据增强过程进行示例说明。
首先获取原始图像中一个标注框的两个相对顶点的坐标。例如,获取人工标注图像中一个标注框的左上角顶点坐标和右下角顶点坐标,则获取到的数据可以共有四个值,可以分别记为pp->startPnt.x()、pp->startPnt.y()、pp->endPnt.x()以及pp->endPnt.y()。其中,startPnt代表左上角顶点,endPnt代表右下角顶点;pp->startPnt.x()为左上角顶点的横坐标,pp->startPnt.y()为左上角顶点的纵坐标,pp->endPnt.x()为右下角顶点的横坐标,pp->endPnt.y()为右下角顶点的纵坐标。
分别计算该标注框左上角顶点与图像中心点之间的差值以及右下角顶点与图像中心点之间的差值。计算公式可以为:
dx1=pp->startPnt.x()-src.cols/2;
dy1=pp->startPnt.y()-src.rows/2;
dx2=pp->endPnt.x()-src.cols/2;
dy2=pp->endPnt.y()-src.rows/2。
其中,src.rows表示原始图像的高度,src.cols表示原始图像的宽度。dx1为左上角顶点横坐标与图像中心点之间的差值,dy1为左上角顶点纵坐标与图像中心点之间的差值,dx2为右下角顶点横坐标与图像中心点之间的差值,dy2为右下角顶点纵坐标与图像中心点之间的差值。
然后根据数据增强的方式计算数据增强后该矩形框两个相对顶点的坐标。例如,对于顺时针旋转90°,旋转后的两个相对顶点坐标计算如下:
x1=src.rows/2+dy1;
y1=src.cols/2-dx1;
x2=src.rows/2+dy2;
y2=src.cols/2-dx2。
其中,x1为数据增强后左上角顶点的横坐标,y1为数据增强后左上角顶点的纵坐标,x2为数据增强后右下角顶点的横坐标,y2为数据增强后右下角顶点的纵坐标。
对于顺时针旋转180°,旋转后的两个相对顶点坐标计算如下:
x1=src.cols/2-dx1;
y1=src.rows/2-dy1;
x2=src.cols/2-dx2;
y2=src.rows/2-dy2。
对于顺时针旋转270°,旋转后的两个相对顶点坐标计算如下:
x1=src.rows/2-dy1;
y1=src.cols/2+dx1;
x2=src.rows/2-dy2;
y2=src.cols/2+dx2。
对于水平镜像翻转,翻转后的两个相对顶点坐标计算计算如下:
x1=src.cols/2-dx1;
y1=pp->startPnt.y();
x2=src.cols/2-dx2;
y2=pp->endPnt.y()。
对于亮度增强和亮度减弱的数据增强,标注框在图像中的位置不变,只改变图像亮度即可。
本实施例通过对预设张数的原始图像进行快速的数据增强处理,能够在不影响图像标注处理效率的前提下,增加用于训练目标检测模型的图像数据的数量,从而提高目标检测模型对图像自动标注的准确度,进而提高该图像标注方法最终标注出图像的准确度。
在S102中,显示包含所述第一标注集合的待标注图像。
在本实施例中,可以在屏幕上显示待标注图像,并且将第一标注集合中的各个标注元素绘制到待标注图像上,这样可以使用户方便直观地查看自动标注的结果,以便用户对自动标注的结果进行调整。
作为本发明的一个实施例,所述第一标注集合中的每个标注元素的信息包括标注框的两个相对顶点的坐标、标注类型和置信度。S102可以包括:
根据所述第一标注集合中各个标注元素的信息对所述待标注图像进行绘制处理;所述绘制处理包括根据各个标注元素中标注框两个相对顶点的坐标,在所述待标注图像上绘制各个标注元素对应的标注框,并在各个标注框的预设位置显示各个标注元素的标注类型和置信度。
显示经过所述绘制处理后的待标注图像。
在本实施例中,标注框为矩形框,标注框的两个相对顶点为标注框对角线所连的两个顶点。例如,标注框的两个相对顶点可以为标注框左上角顶点和右下角顶点,也可以矩形框右上角顶点和左下角顶点。标注类型可以标注出该标注框中目标区域的类型,例如,若对行车过程采集到的图像进行图像标注,则标注类型可以包括公交车、货车、汽车、行车、行人、动物、障碍物等。置信度表示该标注框被预测为该类别的概率。本实施例中目标检测模型设有一个预设阈值threshold,当置信度高于预设阈值时,目标检测模型才输出该标注框,否则过滤掉该标注框,因此目标检测装置最终输出的就是相对来说最有可能是该类别的标注框。
一个标注元素的信息包括一个标注框两个相对顶点的坐标、标注类型和置信度。可以先在待标注图像上确定出标注框两个顶点的位置,再根据两个顶点的位置绘制出标注框,并在标注框的预设区域显示出标注类型和置信度。其中,标注框的预设区域可以为标注框边线内侧或外侧的区域。例如,预设区域可以为标注框边线外侧相邻的区域,可以将标注类型显示在标注框上边线的右上方区域,将置信度显示标注框下边线的右下方区域,或者将标注类型和置信度都显示在标注框上边线的右上方区域。预设区域还可以是其他区域,在此不作限定。最后将绘制处理后的待标注图像显示给用户,便于用户对标注元素的信息进行调整。
本实施例通过在待标注图像上绘制出标注框、标注类型和置信度,便于用户查看自动标注的结果,调整自动标注错误或存在偏差的标注框。
在S103中,获取用户输入的调整信息,并根据所述调整信息对所述第一标注集合进行调整。
在本实施例中,用户可以对待标注图像的自动标注结果进行调整,图像标注装置可以获取用户输入的调整信息,并根据调整信息对第一标注集合进行调整,从而修改一些自动标注错误或存在偏差的标注信息。
作为本发明的一个实施例,所述调整信息包括标注框两个相对顶点的调整坐标。S103中“根据所述调整信息对所述第一标注集合进行调整”的步骤可以包括:
根据标注框两个相对顶点的调整坐标更新所述第一标注集合中对应的标注元素的信息。
在本实施例中,调整信息可以包括但不限于标注框两个相对顶点的调整坐标。将待标注图像显示给用户后,若用户发现目标位置不够准确的标注框,用户可在绘制的待标注图像上直接修改标注框的位置。例如,当检测用户鼠标经过标注框的任一顶点时,将该标注框高亮显示,并将鼠标所在位置的顶点变为可编辑模式,以便于用户按住并拖动该顶点即可修改矩形框的形状以及位置。获取用户调整后的标注框的位置并生成调整信息,根据标注框两个相对顶点的调整坐标更新第一标注集合中对应的标注元素的信息。
可选地,调整信息还可以包括编辑后的标注类型。若用户发现自动标注出的标注框的标注类型错误,可以手动编辑标注类型。获取用户编辑后的标注类型生成调整信息,并根据调整信息更新第一标注集合中相应的标注元素的信息。
在S104中,根据调整后的第一标注集合确定所述待标注图像的最终标注集合。
在本实施例中,经过用户对自动标注的人工调整得到调整后的第一标注集合中的标注信息,能够使确定出的待标注图像的最终标注集合的准确性更高。
本发明实施例通过将待标注图像输入目标检测模型得到待标注图像的第一标注集合,显示包含第一标注集合的待标注图像,获取用户输入的调整信息,并根据调整信息对第一标注集合进行调整,根据调整后的第一标注集合确定待标注图像的最终标注集合,能够将图像的自动标注与人工标注相结合,大幅度提高图像标注的效率,并且能够保证标注的准确性。
作为本发明的一个实施例,在S102之后,S104之前,还可以包括:
获取用户输入的新增标注信息,并根据所述新增标注信息生成第二标注集合。
S104可以包括:
根据调整后的第一标注集合和所述第二标注集合确定所述待标注图像的最终标注集合。
在本实施例中,步骤“获取用户输入的新增标注信息,并根据所述新增标注信息生成第二标注集合”可以在S103之前,也可以在S103之后,在此不作限定。新增标注信息包括但不限于新增标注框和新增标注框对应的标注类型。第二标注集合中的各个标注元素为用户新添加的标注信息。
用户可以在显示出的待标注图像上添加新增的标注框和标注类型,例如用户可以在显示出的待标注图像上拖拽鼠标,图像标注装置根据用户的拖拽操作生成矩形框,用户可以在生成的矩形框周围标上对应的标注类型。图像标注装置可以获取用户输入的新增标注信息,根据新增标注信息生成第二标注集合。最后结合调整后的第一标注集合和第二标注集合确定待标注图像的最终标注集合。
本实施例通过获取用户输入的新增标注信息,生成第二标注集合,能够在目标检测模型没有将全部目标区域标注出的情况下,利用人工标注进行补充,能够避免目标区域缺失标注的问题,提高图像标注的稳定性。
本发明实施例不仅能够大幅度提高图像标注的效率,而且能够有效保证标注的准确性。另外,由于本发明实施例使用的是机器学习中的目标检测技术,具有较好的鲁棒性,针对不同环境下相同类型的目标具有较好的移植性。且本实施例通过友好的图形用户界面,增强了用户体验,有效减轻了标注人员的工作量和操作难度。
本发明实施例通过将待标注图像输入目标检测模型得到待标注图像的第一标注集合,显示包含第一标注集合的待标注图像,获取用户输入的调整信息,并根据调整信息对第一标注集合进行调整,根据调整后的第一标注集合确定待标注图像的最终标注集合,能够将图像的自动标注与人工标注相结合,大幅度提高图像标注的效率,并且能够保证标注的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的图像标注方法,图4示出了本发明实施例提供的图像标注装置的示意图。为了便于说明,仅示出了与本实施例相关的部分。
参照图4,该装置包括获取模块41、显示模块42、调整模块43和处理模块44。
获取模块41,用于获取待标注图像,并将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合。
显示模块42,用于显示包含所述第一标注集合的待标注图像。
调整模块43,用于获取用户输入的调整信息,并根据所述调整信息对所述第一标注集合进行调整。
处理模块44,用于根据调整后的第一标注集合确定所述待标注图像的最终标注集合。
优选地,所述获取模块41用于:
获取原始图像,并对所述原始图像进行数据增强;
建立所述目标检测模型,并根据数据增强后的原始图像对所述目标检测模型进行训练;
将所述待标注图像输入训练后的目标检测模型得到所述第一标注集合。
优选地,所述获取模块41用于:
获取预设张数的原始图像及对应的人工标注信息;所述人工标注信息为对原始图像的目标区域进行人工标注得到的信息;
对预设张数的原始图像及对应的人工标注信息进行数据增强;
根据数据增强后的原始图像及对应的人工标注信息对所述目标检测模型进行训练。
优选地,所述第一标注集合中的每个标注元素的信息包括标注框两个相对顶点的坐标、标注类型和置信度。所述显示模块42用于:
根据所述第一标注集合中各个标注元素的信息对所述待标注图像进行绘制处理;所述绘制处理包括根据各个标注元素中标注框两个相对顶点的坐标,在所述待标注图像上绘制各个标注元素对应的标注框,并在各个标注框的预设位置显示各个标注元素的标注类型和置信度;
显示经过所述绘制处理后的待标注图像。
优选地,所述调整信息包括标注框两个相对顶点的调整坐标。所述调整模块43用于:
根据标注框两个相对顶点的调整坐标更新所述第一标注集合中对应的标注元素的信息。
优选地,该装置还包括新增模块,所述新增模块用于:
获取用户输入的新增标注信息,并根据所述新增标注信息生成第二标注集合。
所述处理模块44用于:
根据调整后的第一标注集合和所述第二标注集合确定所述待标注图像的最终标注集合。
本发明实施例通过将待标注图像输入目标检测模型得到待标注图像的第一标注集合,显示包含第一标注集合的待标注图像,获取用户输入的调整信息,并根据调整信息对第一标注集合进行调整,根据调整后的第一标注集合确定待标注图像的最终标注集合,能够将图像的自动标注与人工标注相结合,大幅度提高图像标注的效率,并且能够保证标注的准确性。
图5是本发明一实施例提供的终端设备的示意图。如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如程序。所述处理器50执行所述计算机程序52时实现上述各个方法实施例中的步骤,例如图1所示的步骤101至104。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块41至44的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如,所述计算机程序52可以被分割成获取模块、显示模块、调整模块和处理模块,各模块具体功能如下:
获取模块,用于获取待标注图像,并将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合;
显示模块,用于显示包含所述第一标注集合的待标注图像;
调整模块,用于获取用户输入的调整信息,并根据所述调整信息对所述第一标注集合进行调整;
处理模块,用于根据调整后的第一标注集合确定所述待标注图像的最终标注集合。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线、显示器等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像标注方法,其特征在于,包括:
获取待标注图像,并将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合;
显示包含所述第一标注集合的待标注图像;
获取用户输入的调整信息,并根据所述调整信息对所述第一标注集合进行调整;
根据调整后的第一标注集合确定所述待标注图像的最终标注集合。
2.如权利要求1所述的图像标注方法,其特征在于,所述将所述待图像输入目标检测模型得到所述待标注图像的第一标注集合包括:
获取原始图像,并对所述原始图像进行数据增强;
建立所述目标检测模型,并根据数据增强后的原始图像对所述目标检测模型进行训练;
将所述待标注图像输入训练后的目标检测模型得到所述第一标注集合。
3.如权利要求2所述的图像标注方法,其特征在于,所述获取原始图像,并对所述原始图像进行数据增强包括:
获取预设张数的原始图像及对应的人工标注信息;所述人工标注信息为对原始图像的目标区域进行人工标注得到的信息;
对预设张数的原始图像及对应的人工标注信息进行数据增强;
所述根据数据增强后的原始图像对所述目标检测模型进行训练包括:
根据数据增强后的原始图像及对应的人工标注信息对所述目标检测模型进行训练。
4.如权利要求1所述的图像标注方法,其特征在于,所述第一标注集合中的每个标注元素的信息包括标注框两个相对顶点的坐标、标注类型和置信度;
所述显示包含所述第一标注集合的待标注图像包括:
根据所述第一标注集合中各个标注元素的信息对所述待标注图像进行绘制处理;所述绘制处理包括根据各个标注元素中标注框两个相对顶点的坐标,在所述待标注图像上绘制各个标注元素对应的标注框,并在各个标注框的预设位置显示各个标注元素的标注类型和置信度;
显示经过所述绘制处理后的待标注图像。
5.如权利要求4所述的图像标注方法,其特征在于,所述调整信息包括标注框两个相对顶点的调整坐标;
所述根据所述调整信息对所述第一标注集合进行调整包括:
根据标注框两个相对顶点的调整坐标更新所述第一标注集合中对应的标注元素的信息。
6.如权利要求1至5任一项所述的图像标注方法,其特征在于,在所述显示包含所述第一标注集合的待标注图像之后,所述根据调整后的第一标注集合确定所述待标注图像的最终标注集合之前,还包括:
获取用户输入的新增标注信息,并根据所述新增标注信息生成第二标注集合;
所述根据调整后的第一标注集合确定所述待标注图像的最终标注集合包括:
根据调整后的第一标注集合和所述第二标注集合确定所述待标注图像的最终标注集合。
7.一种图像标注装置,其特征在于,包括:
获取模块,用于获取待标注图像,并将所述待标注图像输入目标检测模型得到所述待标注图像的第一标注集合;
显示模块,用于显示包含所述第一标注集合的待标注图像;
调整模块,用于获取用户输入的调整信息,并根据所述调整信息对所述第一标注集合进行调整;
处理模块,用于根据调整后的第一标注集合确定所述待标注图像的最终标注集合。
8.如权利要求7所述的图像标注装置,其特征在于,所述获取模块用于:
获取原始图像,并对所述原始图像进行数据增强;
建立所述目标检测模型,并根据数据增强后的原始图像对所述目标检测模型进行训练;
将所述待标注图像输入训练后的目标检测模型得到所述第一标注集合。
9.一种终端设备,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,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一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,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810223062.7A CN108573279A (zh) | 2018-03-19 | 2018-03-19 | 图像标注方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810223062.7A CN108573279A (zh) | 2018-03-19 | 2018-03-19 | 图像标注方法及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108573279A true CN108573279A (zh) | 2018-09-25 |
Family
ID=63574409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810223062.7A Pending CN108573279A (zh) | 2018-03-19 | 2018-03-19 | 图像标注方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573279A (zh) |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109657675A (zh) * | 2018-12-06 | 2019-04-19 | 广州景骐科技有限公司 | 图像标注方法、装置、计算机设备和可读存储介质 |
CN109656810A (zh) * | 2018-11-07 | 2019-04-19 | 深圳市维海德技术股份有限公司 | 一种图像算法的调试方法、调试***及终端设备 |
CN109685870A (zh) * | 2018-11-21 | 2019-04-26 | 北京慧流科技有限公司 | 信息标注方法及装置、标注设备及存储介质 |
CN109685154A (zh) * | 2018-12-29 | 2019-04-26 | 天津链数科技有限公司 | 一种图像数据标注标签的方法 |
CN109727312A (zh) * | 2018-12-10 | 2019-05-07 | 广州景骐科技有限公司 | 点云标注方法、装置、计算机设备和存储介质 |
CN109840832A (zh) * | 2019-01-30 | 2019-06-04 | 准动网络科技(厦门)有限公司 | 商品图像标注方法、装置、电子设备及*** |
CN109902765A (zh) * | 2019-03-22 | 2019-06-18 | 北京滴普科技有限公司 | 一种支持人工智能的智能云标记方法 |
CN110110811A (zh) * | 2019-05-17 | 2019-08-09 | 北京字节跳动网络技术有限公司 | 用于训练模型的方法和装置、用于预测信息的方法和装置 |
CN110175255A (zh) * | 2019-05-29 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 图像标注的方法、基于病理图像的标注展示方法及装置 |
CN110298823A (zh) * | 2019-06-17 | 2019-10-01 | 天津大学 | 一种基于mser算法的红外图像辅助标注方法 |
CN110335251A (zh) * | 2019-05-31 | 2019-10-15 | 上海联影智能医疗科技有限公司 | 图像分析方法的量化装置、方法、设备和存储介质 |
CN110443141A (zh) * | 2019-07-08 | 2019-11-12 | 深圳中兴网信科技有限公司 | 数据集处理方法、数据集处理装置及存储介质 |
CN110659370A (zh) * | 2019-08-12 | 2020-01-07 | 深圳市华付信息技术有限公司 | 一种高效数据标注方法 |
CN110929729A (zh) * | 2020-02-18 | 2020-03-27 | 北京海天瑞声科技股份有限公司 | 图像标注方法、图像标注装置及计算机存储介质 |
CN110929760A (zh) * | 2019-10-30 | 2020-03-27 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 一种基于计算机视觉的垃圾分类软件 |
CN111061901A (zh) * | 2019-11-28 | 2020-04-24 | 中国船舶重工集团公司第七0九研究所 | 一种图像智能标注方法、***及图像标注质量分析方法 |
CN111078908A (zh) * | 2019-11-28 | 2020-04-28 | 北京云聚智慧科技有限公司 | 一种数据标注的检测方法和装置 |
CN111160402A (zh) * | 2019-12-09 | 2020-05-15 | 武汉光庭信息技术股份有限公司 | 一种车辆2.5d图像标注方法和装置 |
CN111191724A (zh) * | 2019-12-31 | 2020-05-22 | 深圳市优必选科技股份有限公司 | 一种电梯图像标注方法、装置、计算机设备及存储介质 |
CN111383267A (zh) * | 2020-03-03 | 2020-07-07 | 重庆金山医疗技术研究院有限公司 | 一种目标重定位方法、设备及存储介质 |
CN111598006A (zh) * | 2020-05-18 | 2020-08-28 | 北京百度网讯科技有限公司 | 用于标注对象的方法和装置 |
CN111798435A (zh) * | 2020-07-08 | 2020-10-20 | 国网山东省电力公司东营供电公司 | 图像处理方法、工程车辆侵入输电线路监测方法及*** |
CN111815607A (zh) * | 2020-07-10 | 2020-10-23 | 济南大学 | 一种面向造血***的骨髓细胞数据集构建方法及*** |
CN111857893A (zh) * | 2019-04-08 | 2020-10-30 | 百度在线网络技术(北京)有限公司 | 标注图形生成方法及装置 |
CN111882606A (zh) * | 2020-07-01 | 2020-11-03 | 上海品览数据科技有限公司 | 一种基于深度学习的货架商品分层方法 |
CN111950618A (zh) * | 2020-08-05 | 2020-11-17 | 中国建设银行股份有限公司 | 水域图像数据标注方法、装置、设备和存储介质 |
CN112288039A (zh) * | 2020-11-26 | 2021-01-29 | 深源恒际科技有限公司 | 一种用于ocr模型训练的样本标注方法及*** |
WO2021082499A1 (zh) * | 2019-10-31 | 2021-05-06 | 百果园技术(新加坡)有限公司 | 一种资源的标注管理*** |
CN112926566A (zh) * | 2021-02-26 | 2021-06-08 | 南京信息工程大学 | 一种基于网页验证码的图像标注方法 |
CN112990366A (zh) * | 2021-04-23 | 2021-06-18 | 视睿(杭州)信息科技有限公司 | 目标标注方法及装置 |
CN113160209A (zh) * | 2021-05-10 | 2021-07-23 | 上海市建筑科学研究院有限公司 | 用于建筑外立面损伤检测的目标标注方法及目标识别方法 |
CN113281780A (zh) * | 2021-05-27 | 2021-08-20 | 北京地平线信息技术有限公司 | 对图像数据进行标注的方法、装置及电子设备 |
CN113299373A (zh) * | 2021-05-17 | 2021-08-24 | 深圳市智影医疗科技有限公司 | 图像标注方法、装置、电子设备及计算机可读存储介质 |
CN113468350A (zh) * | 2020-03-31 | 2021-10-01 | 京东方科技集团股份有限公司 | 一种图像标注方法、装置及*** |
CN113689937A (zh) * | 2021-07-07 | 2021-11-23 | 阿里巴巴新加坡控股有限公司 | 图像标注方法、存储介质和处理器 |
CN115546075A (zh) * | 2022-12-02 | 2022-12-30 | 成都智元汇信息技术股份有限公司 | 一种基于列数据标注区动态增强展示的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845530A (zh) * | 2016-12-30 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 字符检测方法和装置 |
US20170185873A1 (en) * | 2014-09-16 | 2017-06-29 | Huawei Technologies Co., Ltd. | Data Processing Method and Device |
CN107145845A (zh) * | 2017-04-26 | 2017-09-08 | 中山大学 | 基于深度学习及多特征点融合的行人检测方法 |
CN107153822A (zh) * | 2017-05-19 | 2017-09-12 | 北京航空航天大学 | 一种基于深度学习的半自动图像精标注方法 |
-
2018
- 2018-03-19 CN CN201810223062.7A patent/CN108573279A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170185873A1 (en) * | 2014-09-16 | 2017-06-29 | Huawei Technologies Co., Ltd. | Data Processing Method and Device |
CN106845530A (zh) * | 2016-12-30 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 字符检测方法和装置 |
CN107145845A (zh) * | 2017-04-26 | 2017-09-08 | 中山大学 | 基于深度学习及多特征点融合的行人检测方法 |
CN107153822A (zh) * | 2017-05-19 | 2017-09-12 | 北京航空航天大学 | 一种基于深度学习的半自动图像精标注方法 |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109656810A (zh) * | 2018-11-07 | 2019-04-19 | 深圳市维海德技术股份有限公司 | 一种图像算法的调试方法、调试***及终端设备 |
CN109685870A (zh) * | 2018-11-21 | 2019-04-26 | 北京慧流科技有限公司 | 信息标注方法及装置、标注设备及存储介质 |
CN109685870B (zh) * | 2018-11-21 | 2023-10-31 | 北京慧流科技有限公司 | 信息标注方法及装置、标注设备及存储介质 |
CN109657675A (zh) * | 2018-12-06 | 2019-04-19 | 广州景骐科技有限公司 | 图像标注方法、装置、计算机设备和可读存储介质 |
CN109727312A (zh) * | 2018-12-10 | 2019-05-07 | 广州景骐科技有限公司 | 点云标注方法、装置、计算机设备和存储介质 |
CN109727312B (zh) * | 2018-12-10 | 2023-07-04 | 广州景骐科技有限公司 | 点云标注方法、装置、计算机设备和存储介质 |
CN109685154A (zh) * | 2018-12-29 | 2019-04-26 | 天津链数科技有限公司 | 一种图像数据标注标签的方法 |
CN109840832A (zh) * | 2019-01-30 | 2019-06-04 | 准动网络科技(厦门)有限公司 | 商品图像标注方法、装置、电子设备及*** |
CN109902765A (zh) * | 2019-03-22 | 2019-06-18 | 北京滴普科技有限公司 | 一种支持人工智能的智能云标记方法 |
CN111857893B (zh) * | 2019-04-08 | 2024-05-28 | 百度在线网络技术(北京)有限公司 | 标注图形生成方法及装置 |
CN111857893A (zh) * | 2019-04-08 | 2020-10-30 | 百度在线网络技术(北京)有限公司 | 标注图形生成方法及装置 |
CN110110811A (zh) * | 2019-05-17 | 2019-08-09 | 北京字节跳动网络技术有限公司 | 用于训练模型的方法和装置、用于预测信息的方法和装置 |
CN110175255A (zh) * | 2019-05-29 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 图像标注的方法、基于病理图像的标注展示方法及装置 |
CN110175255B (zh) * | 2019-05-29 | 2022-04-05 | 腾讯医疗健康(深圳)有限公司 | 图像标注的方法、基于病理图像的标注展示方法及装置 |
CN110335251A (zh) * | 2019-05-31 | 2019-10-15 | 上海联影智能医疗科技有限公司 | 图像分析方法的量化装置、方法、设备和存储介质 |
CN110335251B (zh) * | 2019-05-31 | 2021-09-17 | 上海联影智能医疗科技有限公司 | 图像分析方法的量化装置、方法、设备和存储介质 |
CN110298823A (zh) * | 2019-06-17 | 2019-10-01 | 天津大学 | 一种基于mser算法的红外图像辅助标注方法 |
CN110443141A (zh) * | 2019-07-08 | 2019-11-12 | 深圳中兴网信科技有限公司 | 数据集处理方法、数据集处理装置及存储介质 |
CN110659370B (zh) * | 2019-08-12 | 2024-04-02 | 深圳市华付信息技术有限公司 | 一种高效数据标注方法 |
CN110659370A (zh) * | 2019-08-12 | 2020-01-07 | 深圳市华付信息技术有限公司 | 一种高效数据标注方法 |
CN110929760A (zh) * | 2019-10-30 | 2020-03-27 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 一种基于计算机视觉的垃圾分类软件 |
WO2021082499A1 (zh) * | 2019-10-31 | 2021-05-06 | 百果园技术(新加坡)有限公司 | 一种资源的标注管理*** |
CN111061901A (zh) * | 2019-11-28 | 2020-04-24 | 中国船舶重工集团公司第七0九研究所 | 一种图像智能标注方法、***及图像标注质量分析方法 |
CN111078908B (zh) * | 2019-11-28 | 2023-06-09 | 北京云聚智慧科技有限公司 | 一种数据标注的检测方法和装置 |
CN111078908A (zh) * | 2019-11-28 | 2020-04-28 | 北京云聚智慧科技有限公司 | 一种数据标注的检测方法和装置 |
CN111160402A (zh) * | 2019-12-09 | 2020-05-15 | 武汉光庭信息技术股份有限公司 | 一种车辆2.5d图像标注方法和装置 |
CN111160402B (zh) * | 2019-12-09 | 2022-05-17 | 武汉光庭信息技术股份有限公司 | 一种车辆2.5d图像标注方法和装置 |
CN111191724B (zh) * | 2019-12-31 | 2024-04-23 | 深圳市优必选科技股份有限公司 | 一种电梯图像标注方法、装置、计算机设备及存储介质 |
CN111191724A (zh) * | 2019-12-31 | 2020-05-22 | 深圳市优必选科技股份有限公司 | 一种电梯图像标注方法、装置、计算机设备及存储介质 |
CN110929729A (zh) * | 2020-02-18 | 2020-03-27 | 北京海天瑞声科技股份有限公司 | 图像标注方法、图像标注装置及计算机存储介质 |
CN111383267A (zh) * | 2020-03-03 | 2020-07-07 | 重庆金山医疗技术研究院有限公司 | 一种目标重定位方法、设备及存储介质 |
CN111383267B (zh) * | 2020-03-03 | 2024-04-05 | 重庆金山医疗技术研究院有限公司 | 一种目标重定位方法、设备及存储介质 |
CN113468350A (zh) * | 2020-03-31 | 2021-10-01 | 京东方科技集团股份有限公司 | 一种图像标注方法、装置及*** |
CN111598006B (zh) * | 2020-05-18 | 2023-05-26 | 阿波罗智联(北京)科技有限公司 | 用于标注对象的方法和装置 |
CN111598006A (zh) * | 2020-05-18 | 2020-08-28 | 北京百度网讯科技有限公司 | 用于标注对象的方法和装置 |
CN111882606A (zh) * | 2020-07-01 | 2020-11-03 | 上海品览数据科技有限公司 | 一种基于深度学习的货架商品分层方法 |
CN111798435A (zh) * | 2020-07-08 | 2020-10-20 | 国网山东省电力公司东营供电公司 | 图像处理方法、工程车辆侵入输电线路监测方法及*** |
CN111815607B (zh) * | 2020-07-10 | 2022-10-14 | 济南大学 | 一种面向造血***的骨髓细胞数据集构建方法及*** |
CN111815607A (zh) * | 2020-07-10 | 2020-10-23 | 济南大学 | 一种面向造血***的骨髓细胞数据集构建方法及*** |
CN111950618A (zh) * | 2020-08-05 | 2020-11-17 | 中国建设银行股份有限公司 | 水域图像数据标注方法、装置、设备和存储介质 |
CN112288039B (zh) * | 2020-11-26 | 2024-01-23 | 深源恒际科技有限公司 | 一种用于ocr模型训练的样本标注方法及*** |
CN112288039A (zh) * | 2020-11-26 | 2021-01-29 | 深源恒际科技有限公司 | 一种用于ocr模型训练的样本标注方法及*** |
CN112926566B (zh) * | 2021-02-26 | 2023-06-30 | 南京信息工程大学 | 一种基于网页验证码的图像标注方法 |
CN112926566A (zh) * | 2021-02-26 | 2021-06-08 | 南京信息工程大学 | 一种基于网页验证码的图像标注方法 |
CN112990366B (zh) * | 2021-04-23 | 2021-09-07 | 视睿(杭州)信息科技有限公司 | 目标标注方法及装置 |
CN112990366A (zh) * | 2021-04-23 | 2021-06-18 | 视睿(杭州)信息科技有限公司 | 目标标注方法及装置 |
CN113160209A (zh) * | 2021-05-10 | 2021-07-23 | 上海市建筑科学研究院有限公司 | 用于建筑外立面损伤检测的目标标注方法及目标识别方法 |
CN113299373A (zh) * | 2021-05-17 | 2021-08-24 | 深圳市智影医疗科技有限公司 | 图像标注方法、装置、电子设备及计算机可读存储介质 |
CN113281780A (zh) * | 2021-05-27 | 2021-08-20 | 北京地平线信息技术有限公司 | 对图像数据进行标注的方法、装置及电子设备 |
CN113281780B (zh) * | 2021-05-27 | 2024-04-30 | 北京地平线信息技术有限公司 | 对图像数据进行标注的方法、装置及电子设备 |
CN113689937A (zh) * | 2021-07-07 | 2021-11-23 | 阿里巴巴新加坡控股有限公司 | 图像标注方法、存储介质和处理器 |
CN115546075A (zh) * | 2022-12-02 | 2022-12-30 | 成都智元汇信息技术股份有限公司 | 一种基于列数据标注区动态增强展示的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108573279A (zh) | 图像标注方法及终端设备 | |
AU2019201268B2 (en) | Segmentation of an image based on color and color differences | |
CN113298169B (zh) | 一种基于卷积神经网络的旋转目标检测方法及装置 | |
CN108230321A (zh) | 缺陷检测方法及装置 | |
CN110163198A (zh) | 一种表格识别重建方法、装置和存储介质 | |
EP3679496B1 (en) | Method and device for infrastructure design using 3d reality data | |
CN102236789B (zh) | 对表格图像进行校正的方法以及装置 | |
CN105160682B (zh) | 图像边缘检测方法及装置 | |
CN110377209B (zh) | 一种通过拖拽实现可视化流程配置的方法及装置 | |
CN106803899A (zh) | 合并图像的方法和装置 | |
CN107909645A (zh) | 建筑物视图生成方法、装置及*** | |
CN109064549A (zh) | 标志点检测模型生成方法及标志点检测方法 | |
US11756199B2 (en) | Image analysis in pathology | |
CN108596955A (zh) | 一种图像检测方法、图像检测装置及移动终端 | |
CN106155540B (zh) | 电子毛笔笔形处理方法和装置 | |
CN110992384B (zh) | 半自动化图像数据标注方法、电子装置及存储介质 | |
CN110910401A (zh) | 半自动化图像分割数据标注方法、电子装置及存储介质 | |
CN111539481A (zh) | 图像标注方法、装置、电子设备及存储介质 | |
Vogt | User guide of guidos toolbox | |
Xuesong et al. | Aphid identification and counting based on smartphone and machine vision | |
CN111612868A (zh) | 一种地图优化方法及装置 | |
CN114419087A (zh) | 病灶图像生成方法、装置、电子设备及存储介质 | |
Spina et al. | SEGMENT3D: A web-based application for collaborative segmentation of 3D images used in the shoot apical meristem | |
CN109472771A (zh) | 玉米雄穗的检测方法、装置及检测设备 | |
CN106846498B (zh) | 激光点云渲染方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180925 |
|
RJ01 | Rejection of invention patent application after publication |