图像标注方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种图像标注方法及装置、电子设备和存储介质，所述方法包括：对采集到的至少一组待标注图像分别进行识别，确定至少一组待标注图像中目标对象所在的图像区域，其中，每组待标注图像包括至少两个图像，至少两个图像中目标对象的指示状态不同；根据目标对象所在的图像区域，分别确定至少一组待标注图像的标注信息。本公开实施例可实现图像的高效自动标注。

Image annotation method and device, electronic equipment and storage medium

The present disclosure relates to an image annotation method and device, an electronic device and a storage medium. The method includes: recognizing at least one group of images to be annotated collected separately, determining the image area of the target object in at least one group of images to be annotated, wherein each group of images to be annotated includes at least two images, and the indication states of the target objects in at least two images are different At least one set of annotation information of the image to be annotated is determined according to the image region of the target object. The embodiment of the present disclosure can realize efficient automatic annotation of images.

【技术实现步骤摘要】
图像标注方法及装置、电子设备和存储介质
本公开涉及计算机
，尤其涉及一种图像标注方法及装置、电子设备和存储介质。
技术介绍
样本数据是使用机器学习方法进行图像识别的基础，一般需要提供大量的样本数据用于训练机器学习模型。然而，用于训练的样本数据一般需要进行标注，对于图像数据的标注多为人工标注，需要较长的时间和较高的成本。
技术实现思路
本公开提出了一种图像标注技术方案。根据本公开的一方面，提供了一种图像标注方法，包括：对采集到的至少一组待标注图像分别进行识别，确定所述至少一组待标注图像中目标对象所在的图像区域，其中，每组待标注图像包括至少两个图像，所述至少两个图像中目标对象的指示状态不同；根据目标对象所在的图像区域，分别确定所述至少一组待标注图像的标注信息。在一种可能的实现方式中，所述方法还包括：从所述至少一组待标注图像中确定出至少一个样本图像，每个样本图像具有对应的标注信息，其中，所述至少一个样本图像用于训练神经网络，所述神经网络用于识别图像中的对象。通过这种方式，能够从至少一组待标注图像中确定出样本图像，得到训练样本以训练神经网络，从而降低样本的标注成本。在一种可能的实现方式中，所述对采集到的至少一组待标注图像分别进行识别，确定所述至少一组待标注图像中目标对象所在的图像区域，包括：对一组待标注图像中的至少两个第一图像进行差异识别，确定所述至少两个第一图像之间的差异信息，所述差异信息包括颜色差异及亮度差异中的至少一种；根据所述差异信息，确定所述至少两个第一图像中目标对象所在的图像区域。通过这种方式，可根据图像之间的差异信息确定目标对象所在的图像区域，提高对象区域识别的准确性，从而提高标注质量。在一种可能的实现方式中，所述方法还包括：根据目标对象所在的图像区域的区域特征，确定所述目标对象的类别。通过这种方式，可根据区域特征直接确定目标对象的类别，从而简单快速地实现对象的类别识别。在一种可能的实现方式中，根据目标对象所在的图像区域，分别确定所述至少一组待标注图像的标注信息，包括：根据目标对象所在的图像区域和/或所述目标对象的类别，分别确定所述至少一组待标注图像的标注信息。通过这种方式，可使得对样本图像自动标注的内容更加丰富，以便更好地训练神经网络。在一种可能的实现方式中，所述方法还包括：控制图像采集设备分别采集多个目标区域的第二图像，每个目标区域采集多个所述第二图像，每个目标区域的多个所述第二图像中包括不同指示状态的目标对象；根据各个目标区域的第二图像，分别确定各组待标注图像；其中，所述图像采集设备的采集方式包括动态采集和静态采集中的至少一种。通过这种方式，可采集到各目标区域的不同指示状态的图像，进而分别确定各组待标注图像，以便在后续处理中更容易地识别出图像中待标注的对象区域，提高标注质量。在一种可能的实现方式中，所述方法还包括：在图像采集设备采集图像期间，控制目标对象的指示状态按预设规律进行变化，以使采集到的图像中所述目标对象的指示状态不同。通过这种方式，可使得图像采集设备更便利地采集到指示状态不同的待标注图像，以便后续处理。在一种可能的实现方式中，每个待标注图像中的目标对象上具有指示标识，用于指示所述目标对象的指示状态，其中，所述指示标识位于所述目标对象的轮廓线、中心线及边缘线中的至少一处。通过这种方式，能够根据指示标识的指示状态确定目标对象的图像区域。在一种可能的实现方式中，所述方法用于对交通模拟沙盘进行图像标注，所述目标对象包括所述交通模拟沙盘中的交通标志物，从而实现交通模拟沙盘中交通标志物的自动标注。根据本公开的另一方面，提供了一种神经网络训练方法，包括：根据预设的训练集训练神经网络，所述神经网络用于识别图像中的对象，其中，所述训练集中包括根据上述图像标注方法标注得到的至少一个样本图像，每个样本图像具有对应的标注信息。通过这种方式，能够得到满足使用需求的神经网络。根据本公开的另一方面，提供了一种图像处理方法，包括：将待处理图像输入神经网络中进行对象识别处理，确定所述待处理图像的目标对象，其中，所述神经网络包括根据上述神经网络训练方法训练得到的神经网络。通过这种方式，能够实现对图像中对象的识别。根据本公开的另一方面，提供了一种交通模拟沙盘装置，包括：沙盘主体；交通标志物，设置在所述沙盘主体上；指示标识，设置在所述交通标志物的轮廓线、中心线及边缘线中的至少一处，其中，通过上述图像标注方法对所述装置进行图像标注。该装置能够实现交通场景的模拟，通过对该装置中的交通标志物进行自动标注，能够为应用于无人驾驶等使用场景的识别网络提供标注数据，降低图像标注的人工成本，提高标注质量和效率。在一种可能的实现方式中，所述装置还包括：电子设备，所述电子设备用于实现上述图像标注方法、上述神经网络训练方法，以及上述图像处理方法中的至少一种。通过这种方式，能够对交通模拟沙盘装置中的交通标志物进行自动标注、通过标注数据训练对应的神经网络、部署已训练的网络实现图像识别，从而实现无人驾驶等各类识别任务。根据本公开的另一方面，提供了一种图像标注装置，包括：图像识别模块，用于对采集到的至少一组待标注图像分别进行识别，确定所述至少一组待标注图像中目标对象所在的图像区域，其中，每组待标注图像包括至少两个图像，所述至少两个图像中目标对象的指示状态不同；信息确定模块，用于根据目标对象所在的图像区域，分别确定所述至少一组待标注图像的标注信息。在一种可能的实现方式中，所述装置还包括：样本确定模块，用于从所述至少一组待标注图像中确定出至少一个样本图像，每个样本图像具有对应的标注信息，其中，所述至少一个样本图像用于训练神经网络，所述神经网络用于识别图像中的对象。在一种可能的实现方式中，所述图像识别模块包括：差异确定子模块，用于对一组待标注图像中的至少两个第一图像进行差异识别，确定所述至少两个第一图像之间的差异信息，所述差异信息包括颜色差异及亮度差异中的至少一种；区域确定子模块，用于根据所述差异信息，确定所述至少两个第一图像中目标对象所在的图像区域。在一种可能的实现方式中，所述装置还包括：类别确定模块，用于根据目标对象所在的图像区域的区域特征，确定所述目标对象的类别。在一种可能的实现方式中，所述信息确定模块包括：信息确定子模块，用于根据目标对象所在的图像区域和/或所述目标对象的类别，分别确定所述至少一组待标注图像的标注信息。在一种可能的实现方式中，所述装置还包括：图像采集模块，用于控制图像采集设备分别采集多个目标区域的第二图像，每个目标区域采集多个所述第二图像，每个目标区域的多个所述第二图像中包括不同指示状态的目标对象；图像确定模块，用于根据各个目标区域的第二图像，分别确定各组待标注图像；其中，所述图像采集设备的采集方式包括动态采集和静态采集中的至少一种。在一种可能的实现方式中，所述装置还包括：状态控制模块，用于在图像采集设备采集图像期间，控制目标对象的指示状态按预设规律进行变化，以使采集到的图像中所述目标对象的指示本文档来自技高网...

【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：/n对采集到的至少一组待标注图像分别进行识别，确定所述至少一组待标注图像中目标对象所在的图像区域，其中，每组待标注图像包括至少两个图像，所述至少两个图像中目标对象的指示状态不同；/n根据目标对象所在的图像区域，分别确定所述至少一组待标注图像的标注信息。/n

【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：
对采集到的至少一组待标注图像分别进行识别，确定所述至少一组待标注图像中目标对象所在的图像区域，其中，每组待标注图像包括至少两个图像，所述至少两个图像中目标对象的指示状态不同；
根据目标对象所在的图像区域，分别确定所述至少一组待标注图像的标注信息。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从所述至少一组待标注图像中确定出至少一个样本图像，每个样本图像具有对应的标注信息，
其中，所述至少一个样本图像用于训练神经网络，所述神经网络用于识别图像中的对象。


3.一种神经网络训练方法，其特征在于，所述方法包括：
根据预设的训练集训练神经网络，所述神经网络用于识别图像中的对象，
其中，所述训练集中包括根据权利要求1或2所述的方法标注得到的至少一个样本图像，每个样本图像具有对应的标注信息。


4.一种图像处理方法，其特征在于，所述方法包括：
将待处理图像输入神经网络中进行对象识别处理，确定所述待处理图像的目标对象，
其中，所述神经网络包括根据权利要求3所述的方法训练得到的神经网络。


5.一种交通模拟沙盘装置，其特征在于，所述装置包括：
沙盘主体；
交通标志物，设置在所述沙盘主体上；
指示标识，设置在所述交通标志物的轮廓线、中心线及边缘线中的至少一处，
其中，通过权利要求1或2...

【专利技术属性】
技术研发人员：陈亦鹏，李诚，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：上海;31