【技术实现步骤摘要】
图像标注方法、目标检测方法、装置及存储介质
本申请涉及目标检测
,尤其涉及图像标注方法、目标检测方法、装置及存储介质。
技术介绍
目标检测(也可以称为目标提取),可以对图像中目标对象进行识别和分割。随着计算机视觉技术的发展,目标检测广泛应用在交通、安防、军事等领域中。为了训练目标检测模型,各种目标检测的应用方案中需要大量经过标注的图像作为训练样本。然而,现有的训练样本通常需要人工标注。因此,标注图像的效率有待提高。
技术实现思路
本申请提出了一种图像标注方案,能够提高图像标注的效率。根据本申请一方面,提供一种图像标注方法。所述方法包括:获取第一图像集合和第二图像集合,其中,所述第一图像集合中图像包含目标对象的标签,所述第二图像集合待对其包含的所述目标对象进行标注;根据所述标签,从所述第一图像集合的图像中提取一个或多个第一图像区域和一个或多个第二图像区域,其中,所述第一图像区域包含所述目标对象,所述第二图像区域未包含所述目标对象;将所述第一图像区域生成为正样本,其中,所述正样本包括所述目标对象的标签;对于任一个所述第二图像区域,为其添加标签而得到一个负样本,所述负样本的标签表示所述第二图像区域未包含所述目标对象;通过区域推荐方式,从所述第二图像集合提取候选图像区域;基于图的半监督学习方式,利用所述正样本的标签和所述负样本的标签确定所述候选图像区域的标签;以及根据所述候选图像区域的标签,确定所述第二图像集合的图像中所述目标对象对应的区域并添加与所述目标对象有关的标签。根据本申请一方面,提供一种目标检测模型的训练方法。所述训练方法包括:利用根据本申请的图像标注 ...
【技术保护点】
1.一种图像标注方法,其特征在于,所述方法包括:获取第一图像集合和第二图像集合,其中,所述第一图像集合中图像包含目标对象的标签,所述第二图像集合待对其包含的所述目标对象进行标注;根据所述标签,从所述第一图像集合的图像中提取一个或多个第一图像区域和一个或多个第二图像区域,其中,所述第一图像区域包含所述目标对象,所述第二图像区域未包含所述目标对象;将所述第一图像区域生成为正样本,其中,所述正样本包括所述目标对象的标签;对于任一个所述第二图像区域,为其添加标签而得到一个负样本,所述负样本的标签表示所述第二图像区域未包含所述目标对象;通过区域推荐方式,从所述第二图像集合提取候选图像区域;基于图的半监督学习方式,利用所述正样本的标签和所述负样本的标签确定所述候选图像区域的标签;以及根据所述候选图像区域的标签,确定所述第二图像集合的图像中所述目标对象对应的区域并添加与所述目标对象有关的标签。
【技术特征摘要】
1.一种图像标注方法,其特征在于,所述方法包括:获取第一图像集合和第二图像集合,其中,所述第一图像集合中图像包含目标对象的标签,所述第二图像集合待对其包含的所述目标对象进行标注;根据所述标签,从所述第一图像集合的图像中提取一个或多个第一图像区域和一个或多个第二图像区域,其中,所述第一图像区域包含所述目标对象,所述第二图像区域未包含所述目标对象;将所述第一图像区域生成为正样本,其中,所述正样本包括所述目标对象的标签;对于任一个所述第二图像区域,为其添加标签而得到一个负样本,所述负样本的标签表示所述第二图像区域未包含所述目标对象;通过区域推荐方式,从所述第二图像集合提取候选图像区域;基于图的半监督学习方式,利用所述正样本的标签和所述负样本的标签确定所述候选图像区域的标签;以及根据所述候选图像区域的标签,确定所述第二图像集合的图像中所述目标对象对应的区域并添加与所述目标对象有关的标签。2.如权利要求1所述的方法,其特征在于,所述根据所述标签,从所述第一图像集合的图像中提取一个或多个第一图像区域和一个或多个第二图像区域,包括:从所述第一图像集合的图像中提取与所述目标对象的标签对应的边界框内的区域,并将每个所述边界框内的区域作为一个所述第一图像区域;从所述第一图像集合的图像中提取所述边界框之外的子区域,并将所述边界框之外的每个子区域作为一个所述第二图像区域。3.如权利要求1所述的方法,其特征在于,所述通过区域推荐方式,从所述第二图像集合提取候选图像区域,包括:利用选择性搜索方式,确定所述第二图像集合中图像的所述候选图像区域。4.如权利要求3所述的方法,其特征在于,所述利用选择性搜索方式,确定所述第二图像集合中图像的所述候选图像区域,包括:对于所述第二图像集合中任一个图像,将该图像划分成多个区域,以得到包含所述多个区域的第一集合;确定所述第一集合中各对相邻的两个区域之间的相似度,而得到包含所述相似度的第二集合;迭代执行下述操作,直到所述第二集合为空:确定所述第二集合中最大值,将所述最大值对应的两个区域合并为一个新的区域,删除所述第二集合中与所述最大值对应的两个区域有关的相似度,计算所述新的区域与相邻区域的相似度,并将所述计算得到的所述相似度添加到所述第二集合中,将所述新的区域加入到所述第一集合中;从所述第一集合中挑选区域作为所述候选图像区域。5.如权利要求1所述的方法,其特征在于,所述基于图的半监督学习方式,利用所述正样本的标签和所述负样本的标签确定所述候选图像区域的标签,包括:基于所述正样本、所述负样本和所述候选图像区域,生成无向加权图,其中,所述无向加权图中任一个节点表示所述正样本、所述负样本和所述候选图像区域中一个区域,所述无向加权图中任意两个节点之间的权重表示这两个节点对应的区域之间的图像相似度;基于所述无向加权图,利用所述正样本的标签和所述负样本的标签,确定所述候选图像区域的标签。6.如权利要求5所述的方法,其特征在于,所述基于所述无向加权图,利用所述正样本的标签和所述负样本的标签,确定所述候选图像区域的标签,包括:为所述无向加权图中各个节点确定k个与这个节点相关联的节点,以使所述无向加权图中各对相关联的节点之间所述权重的累积和达到最大极值,其中,k为正整数;将所述无向加权图中各对相关联的节点连通,以生成所述无向加权图的连通子图,其中,各个所述连通子图中任意两个节点路径连通;在包含代表所述正样本的节点的连通子图中,为与该连通子图中节点对应的候选图像区域添加对应所述目标对象的第一标签;在包含代表所述负样本的节点的连通子图中,为与该连通子图中节点...
【专利技术属性】
技术研发人员:何长伟,汪铖杰,李季檩,熊意超,钮小光,彭瑾龙,吴永坚,黄飞跃,
申请(专利权)人:腾讯科技深圳有限公司,腾讯云计算北京有限责任公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。