一种基于深度学习的半自动图像精标注方法技术

本发明专利技术提供了一种基于深度学习的半自动图像精标注方法，其主要流程在于：利用深度神经网络模型对图像进行预标注，再对预标注图自动加工，去除大量噪声点，最后交由标注人员使用特定工具快速地发现和修正预标注图中的缺陷，从而达到缩减标注时间的目的。实践证明，该方法大大减轻了标注负担，加工效率较纯人工方法提升了3倍以上。

Semi automatic image fine marking method based on depth learning

The present invention provides a method for automatic image annotation semi refined based on deep learning, the main process is: using the depth of the neural network model of pre annotation of the image of pre labeled figure automatic processing, to remove a lot of noise, and finally by the annotators using specific tools to quickly find and fix the pre marked defect map the decreasing time to mark. Practice has proved that this method greatly reduces the burden of annotation, and the processing efficiency has been raised by more than 3 times compared with the pure manual method.

【技术实现步骤摘要】
一种基于深度学习的半自动图像精标注方法
本专利技术属于智能交通和图像识别领域，特别涉及一种基于深度神经网络的半自动图像精标注方法。
技术介绍
现有的像素级图像标注方法都是纯人工完成，从零开始对原始图像进行标注，这需要耗费大量的人力和财力。知名的交通场景数据集Cityscapes使用纯手动标注软件LabelMe进行像素级标注，效率极低，每张图像的标注、审核、修正等过程平均需要花费1.5小时，故尽管耗资巨大，Cityscapes也仅制作出了5000张精标注图像数据，其数量远未达到实际使用的标准。类似数据集如KITTI、CamVid等也用完全手动的方式进行建设，均面临着效率低、成本高的困境。
技术实现思路
本专利技术所要解决的技术问题：克服现有技术的不足，提供一种基于深度神经网络的半自动图像精标注方法，解决像素级图像精标注效率极低、成本极高的问题，大大减轻了标注负担，加工效率较纯人工方法提升了3倍以上。本专利技术所要解决的技术方案：1、一种基于深度学习的半自动图像精标注方法，其特征在于包括如下步骤：(1)利用基于深度学习图像语义分割模型对图像进行预标注；(2)对预标注图进行自动加工，去除噪声点本文档来自技高网...

【技术保护点】
一种基于深度学习的半自动图像精标注方法，其特征在于包括如下步骤：(1)利用基于深度学习图像语义分割模型对图像进行预标注；(2)对预标注图进行自动加工，去除噪声点；(3)对原始图像运行基于深度学习的目标检测算法，得到目标类别和位置信息，根据检测得到的目标类别和位置信息，在目标位置范围内有对去除噪声点后的预标注图进一步修正分割错误；(4)采用校正软件进行精细处理，在图像层叠、轮廓高亮、分割图半透明的辅助工具快速地发现并修正预标注图中的缺陷，得到最终的标注图。

【技术特征摘要】
1.一种基于深度学习的半自动图像精标注方法，其特征在于包括如下步骤：(1)利用基于深度学习图像语义分割模型对图像进行预标注；(2)对预标注图进行自动加工，去除噪声点；(3)对原始图像运行基于深度学习的目标检测算法，得到目标类别和位置信息，根据检测得到的目标类别和位置信息，在目标位置范围内有对去除噪声点后的预标注图进一步修正分割错误；(4)采用校正软件进行精细处理，在图像层叠、轮廓高亮、分割图半透明的辅助工具快速地发现并修正预标注图中的缺陷，得到最终的标注图。2.根据权利要求1所述的一种基于深度学习的半自动图像精标注方法，其特征在于：所述步骤(2)中，采用滑动窗口变参数过滤算法去除噪声点，具体实现如下：(1)在0-25...

【专利技术属性】
技术研发人员：黄坚，郭袭，金玉辉，金天，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11