一种基于YOLOv3深度学习网络的图像智能标注方法技术

本发明专利技术公开了一种基于YOLOv3深度学习网络的图像智能标注方法，属于图像检索技术领域。该方法首先将图像识别项目所要标注的图片数据集分成M组，对其中一组进行人工标注，并将其用于训练YOLOv3深度学习网络，然后将得到的网络模型自动标注另一组未人工标注的图片数据，并将其加入YOLOv3的训练集中继续训练，重复上述的标注和训练过程，直到成功的标注所有组的图像数据，并得到对应图像识别项目整个数据集的更新模型。本发明专利技术实现了对图像识别项目的图片数据集智能标注，不但有效的降低了图像标注的复杂工作量，而且通过数次的循环迭代训练逐渐提升了YOLOv3模型检测和识别目标的性能。

An Intelligent Image Annotation Method Based on YOLOv3 Deep Learning Network

The invention discloses an image intelligent annotation method based on YOLOv3 deep learning network, which belongs to the technical field of image retrieval. The method divides the image data set to be labeled in the image recognition project into M groups, labels one group manually, and uses it to train YOLOv3 deep learning network. Then the network model automatically labels another group of unlabeled image data, and adds it to the training set of YOLOv3 to continue training, repeating the labeling and training process until success. The image data of all groups are labeled, and the update model of the whole data set of corresponding image recognition items is obtained. The invention realizes intelligent annotation of image data sets of image recognition items, not only effectively reduces the complex workload of image annotation, but also gradually improves the performance of YOLOv3 model detection and recognition target through several iteration training.

【技术实现步骤摘要】
一种基于YOLOv3深度学习网络的图像智能标注方法
本专利技术涉及图像智能标注和检索
，具体涉及一种基于YOLOv3深度学习网络的图像智能标注方法。
技术介绍
近年来，人工智能和大数据成为了国内外各大领域关注的焦点。面对越来越多的图像数据，如何高效率的管理和组织这些图像数据，成为了图像检索领域研究的热点问题。而通过给图像添加与其内容相关的文本信息，即图像标注成为目前最主要的解决方法，鉴于人工标注存在着标注工作量大、主观性强等问题，智能图像标注在人工智能的浪潮下吸引了广大研究者们的青睐。目前基于计算机视觉技术对图像自动标注已经取得了较好的效果，包括通过人工设计目标特征的方法和自动学习目标特征的深度学习方法。例如，中国专利(CN107644235A)公开了一种基于半监督学习的图像自动标注方法，通过提取图像数据的SIFT特征和HOG特征训练的LDA_SVM分类器，结合通过颜色和纹理特征构建的神经网络分类器对图像数据进行自动标注。中国专利(CN104572940A)公开了一种基于深度学习与典型相关分析的图像自动标注方法，通过深度玻尔兹曼机模型提取图像数据的高层特征，并通过典型相关性分析本文档来自技高网...

【技术保护点】
1.一种基于YOLOv3深度学习网络的图像智能标注方法，其特征在于，利用少量人工标注的图像训练基于YOLOv3的深度学习网络，并将YOLOv3模型的网络权重用于标注大量非人工标注的图像数据，通过数次的图像数据标注和训练过程，完成图像识别项目数据集的智能标注，同时得到与此图像识别项目对应的强化模型。

【技术特征摘要】
1.一种基于YOLOv3深度学习网络的图像智能标注方法，其特征在于，利用少量人工标注的图像训练基于YOLOv3的深度学习网络，并将YOLOv3模型的网络权重用于标注大量非人工标注的图像数据，通过数次的图像数据标注和训练过程，完成图像识别项目数据集的智能标注，同时得到与此图像识别项目对应的强化模型。2.根据权利要求1所述的一种基于YOLOv3深度学习网络的图像智能标注方法，其特征在于，所述少量人工标注的图像训练基于YOLOv3的深度学习网络的具体过程为：建立图像识别项目所要标注的图片数据集，从中随机筛选出每类相同数目的图片组成一组，将整个数据集不重复的切分成M组，并选择其中一组数据进行人工标注，将该组图片数据用于训练YOLOv3深度学习网络，得到YOLOv3模型。3.根据权利要求1或2所述的一种基于YOLOv3深度学习网络的图像智能标注方法，其特征在于，所述数次的图像数据标注和训练过程包括M-1次的标注和M次的训练过程，具体为：①利用训练好的YOLOv3模型自动标注下一组图片；②人工修正①的标注结果，并将修正后的图片集加入到YOLOv3网络的训练集中训练，重复①的训练过程，训练完成后重复②；③判断所有组的图片数据集是...

【专利技术属性】
技术研发人员：刘军，后士浩，张凯，张睿，胡超超，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32