CN109726755A - 一种图片标注方法、装置及电子设备 - Google Patents

一种图片标注方法、装置及电子设备 Download PDF

Info

Publication number
CN109726755A
CN109726755A CN201811598376.1A CN201811598376A CN109726755A CN 109726755 A CN109726755 A CN 109726755A CN 201811598376 A CN201811598376 A CN 201811598376A CN 109726755 A CN109726755 A CN 109726755A
Authority
CN
China
Prior art keywords
picture
processing
preset quantity
marked
mark
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
Application number
CN201811598376.1A
Other languages
English (en)
Inventor
蒋晓海
秦星达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Testin Information Technology Co Ltd
Original Assignee
Beijing Testin Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Testin Information Technology Co Ltd filed Critical Beijing Testin Information Technology Co Ltd
Priority to CN201811598376.1A priority Critical patent/CN109726755A/zh
Publication of CN109726755A publication Critical patent/CN109726755A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本申请公开了一种图片标注方法、装置及其电子设备,用于解决现有技术的图片标注需要耗费标注人员大量的精力,且标注效率较低的问题。所述方法包括:从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。

Description

一种图片标注方法、装置及电子设备
技术领域
本申请涉及计算机技术领域,尤其涉及一种图片标注方法、装置及电子设备。
背景技术
目前,图像识别技术中在对图像中的信息进行识别或者基于多个图片进行模型训练之前,往往要对待识别的信息进行标注处理。
现有的图片在进行模型训练之前,往往需要标注人员对图片中的识别区域进行手动标注。而若所要进行模型训练的图片数量非常庞大时,则需要多个标注人员投入大量的精力来逐个完成每个图片的标注。显然,现有的图片标注效率很低,并需要耗费标注人员较大的精力来完成对图片的标注工作。
因此,亟需一种图片标注方法来提高标注人员标注图片的效率。
发明内容
本申请实施例提供了一种图片标注方法、装置及电子设备,以解决现有技术中的图片标注需要耗费标注人员大量的精力,且标注效率较低的问题。
为解决上述技术问题,本申请实施例是这样实现的:
第一方面,提出了一种图片标注方法,包括:
从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
第二方面,提出了一种图片标注装置,包括:
获取单元,用于从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
训练单元,用于基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
标注单元,用于基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
第三方面,提出了一种电子设备,该电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
第四方面,提出了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
本申请实施例采用上述技术方案至少可以达到下述技术效果:
在对数量较多的待标注图片进行标注处理时,能够从这些待标注图片中获取第一预设数量的图片,以便标注人员对该第一预设数量的图片进行标注处理和增强处理,然后基于标注处理后的图片和增强处理后的图片,进行模型训练,以获取图片标注模型,最后基于该图片标注模型,对这些待标注图片中除第一预设数量的图片以外的图片进行标注处理。也就是说,能够先从数量较多的待标注图片中选取一小部分数量的图片进行标注处理,并通过对这些标注处理后的图片进行增强处理,以使得标注处理后的图片数量增多,这样基于数量增多的标注处理后的图片和增强处理后的图片训练得到的图片标注模型的标注准确率也会较高,那么再基于该图片标注模型对待标注图片进行标注处理,则会大大节省标注人员的工作量,提高标注效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书一个实施例提供的一种图片标注方法的实现流程示意图;
图2为本说明书一个实施例提供的图片标注方法中模型训练后输出向量的结构示意图;
图3为本说明书一个实施例提供的一种图片标注装置的结构示意图;
图4为本说明书一个实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
为解决现有技术中的图片标注需要耗费标注人员大量的精力,且标注效率较低的问题,本说明书实施例提供一种图片标注方法。本说明书实施例提供的图片标注方法的执行主体可以但不限于个人电脑、服务器等能够被配置为执行本发明实施例提供的该方法终端装置中的至少一种。
为便于描述,下文以该方法的执行主体为能够执行该方法的服务器为例,对该方法的实施方式进行介绍。可以理解,该方法的执行主体为服务器只是一种示例性的说明,并不应理解为对该方法的限定。
具体地,本说明书一个或多个实施例提供的一种图标标注方法的实现流程示意图如图1所示,包括:
步骤101,从待标注图片中获取第一预设数量的图片,以对该第一预设数量的图片进行标注处理和增强处理;
可选地,该第一预设数量可以是根据多次标注经验来确定的,该第一预设数量可以相对于待标注图片的总数量来确定,不宜太多,也不宜太少,太多则会增加标注人员的工作量,影响标注效率,太少则会影响后期训练的图片标注模型的标注准确度。因此,可以基于待标注图片的数量,预设对应的标注比例。
比如待标注图片的数量为10000张时,则可以设置1%的标注比例,即可以从该10000张待标注图片中随机选取100张图片来标注。而若待标注图片的数量为1000张时,若仍按照1%的标注比例来选取图片标注,显然选取的图片数量太少,容易影响后期训练的图标标注模型的标注准确度,为了避免这一问题则可以设置3%的标注比例,即可以从该1000张待标注图片中随机选取30张图片来标注。
那么,从待标注图片中获取第一预设数量的图片,可以包括下述步骤:
基于待标注图片的数量以及预设的标注比例,确定第一预设数量;
从待标注图片中选取第一预设数量的图片。
可选地,为了减小标注人员的标注工作量,本发明实施例在选取第一预设数量的图片时,可以先从待标注图片中选取一小部分数量的图片,使得标注人员对这一小部分数量的图片进行手动标注,而为了增加训练图片标注模型的训练样本集,使得训练得到的图片标注模型的标注准确率达到一定的准确率,本发明实施例在得到标注处理后的第一预设数量的图片之后,还可以对这些标注处理后的图片进行增强处理,以增加标注图片的数量。那么,从待标注图片中获取第一预设数量的图片,以对该第一预设数量的图片进行标注处理和增强处理,可以包括下述步骤:
从待标注图片中获取第一预设数量的图片,以便标注人员对第一预设数量的图片进行标注处理;
对标注处理后的图片进行增强处理,以获取第二预设数量的图片;
其中,该第二预设数量大于该第一预设数量。
为使得训练图片标注模型的训练样本集足够大,增强处理得到的图片数量可以远大于标注处理得到的图片数量,也就是说,第二预设数量可以远大于第一预设数量。
可选地,对标注处理后的图片进行增强处理的方式,包括下述至少一种:
像素放大处理;
像素缩小处理;
镜像处理;
旋转处理。
其中,像素放大处理和像素缩小处理都可以基于原图片进行等比例像素放大处理和等比例像素缩小处理,比如原图片的像素大小为1920*1080,按照0.9的比例对该图片进行等比例像素缩小处理,其中,对该原图片进行第一次像素缩小处理得到像素大小为1728*972,再在第一次像素缩小处理的基础上进行第二次像素缩小处理得到像素大小为1555*874,以此类推,直至缩小至原图片的一半大小为止。镜像处理,具体也可以是左右翻转处理。旋转处理,具体则可以将图片旋转指定角度,比如可以将图片旋转向逆时针方向旋转15°。
那么,对标注处理后的图片进行增强处理,则可以包括以下至少一种:
在对标注处理后的图片进行增强处理的方式为像素放大处理的情况下,从标注处理后的图片中选取第一预设比例的图片进行像素放大处理;
在对标注处理后的图片进行增强处理的方式为像素缩小处理的情况下,从标注处理后的图片中选取第二预设比例的图片进行像素缩小处理;
在对标注处理后的图片进行增强处理的方式为镜像处理的情况下,从标注处理后的图片中选取第三预设比例的图片进行镜像处理;
在对标注处理后的图片进行增强处理的方式为旋转处理的情况下,从标注处理后的图片中选取第四预设比例的图片进行旋转处理。
应理解,为了使得增强处理后的图片数量足够多,且由于所有图片往往都适合做像素放大处理和像素缩小处理,因此,该第一预设比例和第二预设比例的实际数值可以是100%,即可以将所有标注处理后的图片都进行像素放大处理和像素缩小处理。而镜像处理和旋转处理往往并不能够适用于所有类型的图片,具体可以根据图片的类型来确定是否适用于镜像处理和旋转处理。
步骤102,基于标注处理后的图片以及增强处理后的图片,进行模型训练,以获取图片标注模型;
可选地,基于标注处理后的图片以及增强处理后的图片,进行模型训练,以获取图片标注模型,具体可以基于第一预设数量的图片和第一预设数量的图片中的标注位置、以及第二预设数量的图片和第二预设数量的图片中的标注位置,进行模型训练,以获取图片标注模型。
在实际应用中,基于标注处理后的图片以及增强处理后的图片,进行模型训练得到的图片标注模型,可经过多次训练和测试,直到训练得到的图片标注模型的标注准确率达到预设的准确率。在实际训练过程中,可以采用的模型有多种,比如可以采用yolov3模型,对应的网络结果可以是ResNet52层,在进行yolov3模型训练时,输入为第一预设数量的图片和第一预设数量的图片中的标注位置、以及第二预设数量的图片和第二预设数量的图片中的标注位置,且每个图片均resize(像素放大或者像素缩小)成448*448像素大小且通道数为3的向量(即R、G、B三个通道),每个图片的标注位置则可以通过向量来表示。
如图2所示,为经由本发明实施例训练得到的图片标注模型输出的向量结果示意图。在图2中,该向量为11*11维的向量,其中11*11是网格数,11维向量是由2个boundingbox的位置与置信度及对象的概率组成,其中图2(1)部分为2个bounding box的位置,通常用8个数值来表示,图2(2)为2个bounding box的置信度,通常用两个数值来表示,图2(3)为类别对象的概率,通常用1个数值来表示。
具体来说,当待标注图片作为图片标注模型输入之后,通常可以输出三种类型的数值,包括图片名称(可以用name表示)、置信度(即确定为与name对应的图片的概率大小)以及标注位置的坐标。比如待标注图片为人脸图片,那么将该待标注图片作为图片标注模型输入之后,则可以输出“name=人脸”、置信度=99%(即该待标注图片为人脸图片的概率为99%),以及该待标注图片的标注位置的坐标。
步骤103,基于图片标注模型,对待标注图片中除第一预设数量的图片以外的图片进行标注处理。
可选地,为了减少标注人员的工作量,提高标注效率,本发明实施例在训练得到图片标注模型之后,则可以基于图片标注模型,来对待标注图片中未进行标注处理的图片进行标注处理。具体来说,基于图片标注模型对待标注图片中除第一预设数量的图片以外的图片进行标注处理,可以包括下述步骤:
将待标注图片中除第一预设数量的图片以外的待标注图片作为图片标注模型的输入,以获取待标注图片中除第一预设数量的图片以外的待标注图片的标注位置;
基于待标注图片中除第一预设数量的图片以外的待标注图片的标注位置,对待标注图片中除第一预设数量的图片以外的图片进行标注处理。
应理解,将待标注图片中除第一预设数量的图片以外的待标注图片作为图片标注模型的输入,则可以输出相应的标注位置,基于该标注位置则可以实现对待标注图片的标注处理。在通过图片标注模型对待标注图片进行标注处理之后,由于图片标注模型的标注准确率并不能保证100%的准确率,因此,为了避免部分图片的标注位置不够理想,还可以通过标注人员对图片标注模型标注后的图片进行审核。
在对数量较多的待标注图片进行标注处理时,能够从这些待标注图片中获取第一预设数量的图片,以便标注人员对该第一预设数量的图片进行标注处理和增强处理,然后基于标注处理后的图片和增强处理后的图片,进行模型训练,以获取图片标注模型,最后基于该图片标注模型,对这些待标注图片中除第一预设数量的图片以外的图片进行标注处理。也就是说,能够先从数量较多的待标注图片中选取一小部分数量的图片进行标注处理,并通过对这些标注处理后的图片进行增强处理,以使得标注处理后的图片数量增多,这样基于数量增多的标注处理后的图片和增强处理后的图片训练得到的图片标注模型的标注准确率也会较高,那么再基于该图片标注模型对待标注图片进行标注处理,则会大大节省标注人员的工作量,提高标注效率。
图3为本发明实施例提供的图片标注装置300的结构示意图。请参考图3,在一种软件实施方式中,图片标注装置300可包括获取单元301、训练单元302、和标注单元303,其中:
获取单元301,用于从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
训练单元302,用于基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
标注单元303,用于基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
可选地,在一种实施方式中,所述获取单元301,用于:
从所述待标注图片中获取第一预设数量的图片,以便标注人员对所述第一预设数量的图片进行标注处理;
对所述标注处理后的图片进行增强处理,以获取第二预设数量的图片;
其中,所述第二预设数量大于所述第一预设数量。
可选地,在一种实施方式中,对所述标注处理后的图片进行增强处理的方式,包括下述至少一种:
像素放大处理;
像素缩小处理;
镜像处理;
旋转处理。
可选地,在一种实施方式中,对所述标注处理后的图片进行增强处理,包括以下至少一种:
在对所述标注处理后的图片进行增强处理的方式为像素放大处理的情况下,从所述标注处理后的图片中选取第一预设比例的图片进行像素放大处理;
在对所述标注处理后的图片进行增强处理的方式为像素缩小处理的情况下,从所述标注处理后的图片中选取第二预设比例的图片进行像素缩小处理;
在对所述标注处理后的图片进行增强处理的方式为镜像处理的情况下,从所述标注处理后的图片中选取第三预设比例的图片进行镜像处理;
在对所述标注处理后的图片进行增强处理的方式为旋转处理的情况下,从所述标注处理后的图片中选取第四预设比例的图片进行旋转处理。
可选地,在一种实施方式中,所述训练单元302,用于:
基于所述第一预设数量的图片和所述第一预设数量的图片中的标注位置、以及所述第二预设数量的图片和所述第二预设数量的图片中的标注位置,进行模型训练,以获取所述图片标注模型。
可选地,在一种实施方式中,所述获取单元301,用于:
基于所述待标注图片的数量以及预设的标注比例,确定所述第一预设数量;
从所述待标注图片中获取所述第一预设数量的图片。
图片标注装置300能够实现图1~图2的方法实施例的测试方法,具体可参考图1~图2所示实施例的图片标注方法,不再赘述。
图4是本说明书的一个实施例提供的电子设备的结构示意图。请参考图4,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成图片标注装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
上述如本说明书图1~图2所示实施例揭示的图片标注方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。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。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1~图2的图片标注方法,本说明书在此不再赘述。
当然,除了软件实现方式之外,本说明书的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
总之,以上所述仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例的保护范围之内。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种图片标注方法,其特征在于,包括:
从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
2.如权利要求1所述的方法,其特征在于,从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理,包括:
从所述待标注图片中获取第一预设数量的图片,以便标注人员对所述第一预设数量的图片进行标注处理;
对所述标注处理后的图片进行增强处理,以获取第二预设数量的图片;
其中,所述第二预设数量大于所述第一预设数量。
3.如权利要求2所述的方法,其特征在于,对所述标注处理后的图片进行增强处理的方式,包括下述至少一种:
像素放大处理;
像素缩小处理;
镜像处理;
旋转处理。
4.如权利要求3所述的方法,其特征在于,对所述标注处理后的图片进行增强处理,包括以下至少一种:
在对所述标注处理后的图片进行增强处理的方式为像素放大处理的情况下,从所述标注处理后的图片中选取第一预设比例的图片进行像素放大处理;
在对所述标注处理后的图片进行增强处理的方式为像素缩小处理的情况下,从所述标注处理后的图片中选取第二预设比例的图片进行像素缩小处理;
在对所述标注处理后的图片进行增强处理的方式为镜像处理的情况下,从所述标注处理后的图片中选取第三预设比例的图片进行镜像处理;
在对所述标注处理后的图片进行增强处理的方式为旋转处理的情况下,从所述标注处理后的图片中选取第四预设比例的图片进行旋转处理。
5.如权利要求2所述的方法,其特征在于,基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型,包括:
基于所述第一预设数量的图片和所述第一预设数量的图片中的标注位置、以及所述第二预设数量的图片和所述第二预设数量的图片中的标注位置,进行模型训练,以获取所述图片标注模型。
6.如权利要求1所述的方法,其特征在于,从待标注图片中获取第一预设数量的图片,包括:
基于所述待标注图片的数量以及预设的标注比例,确定所述第一预设数量;
从所述待标注图片中获取所述第一预设数量的图片。
7.如权利要求1所述的方法,其特征在于,基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理,包括:
将所述待标注图片中除所述第一预设数量的图片以外的待标注图片作为所述图片标注模型的输入,以获取所述待标注图片中除所述第一预设数量的图片以外的待标注图片的标注位置;
基于所述待标注图片中除所述第一预设数量的图片以外的待标注图片的标注位置,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
8.一种图片标注装置,其特征在于,包括:
获取单元,用于从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
训练单元,用于基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
标注单元,用于基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
9.一种电子设备,其特征在于,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
从待标注图片中获取第一预设数量的图片,以对所述第一预设数量的图片进行标注处理和增强处理;
基于所述标注处理后的图片以及所述增强处理后的图片,进行模型训练,以获取图片标注模型;
基于所述图片标注模型,对所述待标注图片中除所述第一预设数量的图片以外的图片进行标注处理。
CN201811598376.1A 2018-12-26 2018-12-26 一种图片标注方法、装置及电子设备 Pending CN109726755A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811598376.1A CN109726755A (zh) 2018-12-26 2018-12-26 一种图片标注方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811598376.1A CN109726755A (zh) 2018-12-26 2018-12-26 一种图片标注方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN109726755A true CN109726755A (zh) 2019-05-07

Family

ID=66297262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811598376.1A Pending CN109726755A (zh) 2018-12-26 2018-12-26 一种图片标注方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN109726755A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443270A (zh) * 2019-06-18 2019-11-12 平安科技(深圳)有限公司 图表定位方法、装置、计算机设备及计算机可读存储介质
CN111027543A (zh) * 2019-11-25 2020-04-17 北京云测信息技术有限公司 一种图像标注方法及装置
CN111367445A (zh) * 2020-03-31 2020-07-03 中国建设银行股份有限公司 图像标注方法及装置
CN113822259A (zh) * 2021-11-24 2021-12-21 深圳市万物云科技有限公司 一种离岗检测方法、装置、计算机设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324959A (zh) * 2013-07-01 2013-09-25 智美达(江苏)数字技术有限公司 播种质量检测方法和装置
CN105354565A (zh) * 2015-12-23 2016-02-24 北京市商汤科技开发有限公司 基于全卷积网络人脸五官定位与判别的方法及***
CN106203506A (zh) * 2016-07-11 2016-12-07 上海凌科智能科技有限公司 一种基于深度学习技术的行人检测方法
CN106815596A (zh) * 2016-12-08 2017-06-09 ***股份有限公司 一种图像分类器建立方法及装置
CN107808129A (zh) * 2017-10-17 2018-03-16 南京理工大学 一种基于单个卷积神经网络的面部多特征点定位方法
CN108830329A (zh) * 2018-06-22 2018-11-16 北京字节跳动网络技术有限公司 图片处理方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324959A (zh) * 2013-07-01 2013-09-25 智美达(江苏)数字技术有限公司 播种质量检测方法和装置
CN105354565A (zh) * 2015-12-23 2016-02-24 北京市商汤科技开发有限公司 基于全卷积网络人脸五官定位与判别的方法及***
CN106203506A (zh) * 2016-07-11 2016-12-07 上海凌科智能科技有限公司 一种基于深度学习技术的行人检测方法
CN106815596A (zh) * 2016-12-08 2017-06-09 ***股份有限公司 一种图像分类器建立方法及装置
CN107808129A (zh) * 2017-10-17 2018-03-16 南京理工大学 一种基于单个卷积神经网络的面部多特征点定位方法
CN108830329A (zh) * 2018-06-22 2018-11-16 北京字节跳动网络技术有限公司 图片处理方法和装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443270A (zh) * 2019-06-18 2019-11-12 平安科技(深圳)有限公司 图表定位方法、装置、计算机设备及计算机可读存储介质
CN110443270B (zh) * 2019-06-18 2024-05-31 平安科技(深圳)有限公司 图表定位方法、装置、计算机设备及计算机可读存储介质
CN111027543A (zh) * 2019-11-25 2020-04-17 北京云测信息技术有限公司 一种图像标注方法及装置
CN111027543B (zh) * 2019-11-25 2023-04-07 北京云测信息技术有限公司 一种图像标注方法及装置
CN111367445A (zh) * 2020-03-31 2020-07-03 中国建设银行股份有限公司 图像标注方法及装置
CN113822259A (zh) * 2021-11-24 2021-12-21 深圳市万物云科技有限公司 一种离岗检测方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN109726755A (zh) 一种图片标注方法、装置及电子设备
CN109189682A (zh) 一种脚本录制方法和装置
TWI715814B (zh) 圖像生成方法及其設備
CN107274442A (zh) 一种图像识别方法和装置
CN109190539A (zh) 人脸识别方法及装置
CN109858542A (zh) 一种字符识别方法和装置
CN107516038A (zh) 一种确定设备指纹的方法及装置
CN109271910A (zh) 一种文字识别、文字翻译方法和装置
CN107516105A (zh) 图像处理方法及装置
CN107239403A (zh) 一种问题定位方法和设备
CN109271587A (zh) 一种页面生成方法和装置
CN110287831A (zh) 一种基于地标的控制点的获取方法、装置和电子设备
CN109271611A (zh) 一种数据校验方法、装置及电子设备
CN109800582A (zh) 可溯源的多方数据处理方法、装置及设备
CN109299096A (zh) 一种流水数据的处理方法、装置及设备
CN109615171A (zh) 特征阈值确定方法及装置、问题对象确定方法及装置
CN115082788A (zh) 气压中心识别方法、装置、电子设备及存储介质
CN110020350A (zh) 网页热力图的绘制方法、装置、存储介质及处理器
TW202020775A (zh) 業務的處理方法及裝置
CN110414572A (zh) 一种图像识别的方法及装置
CN110245978A (zh) 策略组中的策略评估、策略选择方法及装置
CN112533060B (zh) 一种视频处理方法及装置
CN108932525A (zh) 一种行为预测方法及装置
CN108170663A (zh) 基于集群的词向量处理方法、装置以及设备
CN109656946A (zh) 一种多表关联查询方法、装置及设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190507