一种基于神经网络模型的信息标注方法技术

本发明专利技术提供了一种基于神经网络模型的信息标注方法，应用于智能设备，所述方法包括以下步骤：A、获取目标物体图像；B、基于目标识别神经网络模型对所述图像进行识别，在所述图像中标识出所述目标物体的外轮廓及所述目标物体的标注信息；C、基于接收到的用户调整指令对所述目标物体在所述目标物体图像中的外轮廓和所述标注信息进行调整。本发明专利技术基于目标识别神经网络模型对获取的目标物体图像进行识别并标识出目标物体的外轮廓及目标物体的标注信息，同时，本发明专利技术还可对标识出的目标物体的外轮廓和标注信息进行人工调整，从而实现了对目标物采集的同时进行标注，提高了信息标注的效率及标注信息的准确性。

【技术实现步骤摘要】
一种基于神经网络模型的信息标注方法
本专利技术涉及信息
，特别涉及一种基于神经网络模型的信息标注方法。
技术介绍
随着智能终端、AR设备和人工智能领域的成熟与发展，越来越多的以图像采集、图像处理技术为基础的智能设备或AR设备应用于工业场景或日常生活中，尤其在人工智能领域，智能眼镜更是常用的一种增强现实设备。而人工智能领域发展的基础则需要采集大量素材进行处理和机器学习，以建立人工智能模型，但目前素材的采集和标注往往都是分开进行的，一般先利用设备进行素材采集，然后再在其他处理设备中对采集的素材进行信息标注。不仅工作效率低，而且由于采集和标注的设备不同，其加载的程序和模型也不相同，因此先采集再进行识别和分类的错误率也较高。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种基于神经网络模型的信息标注方法，以提高信息标注的效率及标注信息的准确性。本专利技术采用的技术方案为，提供一种基于神经网络模型的信息标注方法，应用于智能设备，包括以下步骤：A、获取目标物体图像；B、基于目标识别神经网络模型对所述图像进行识别，在所述图像中标识出所述目标物体的外轮廓及所述目标物体的标注信息；C、基于接收到的用户调整指令对所述目标物体在所述目标物体图像中的外轮廓和所述标注信息进行调整。由上，本方法基于目标识别神经网络模型对获取的目标物体图像进行识别并标识出目标物体的外轮廓及目标物体的标注信息，同时，本方法还可对标识出的目标物体的外轮廓和标注信息进行人工调整，从而实现了对目标物采集的同时进行标注，提高了信息标注的效率及标注信息的准确性。进一步改进，所述步骤C之后，还包括：将所述调整后的标识有所述目标物体的外轮廓的所述目标物体图像及所述调整后的标注信息作为训练样本，输入到目标识别神经网络模型库中，以对所述目标识别神经网络模型进行训练。进一步改进，所述步骤B还包括：基于接收到的用户选择模型的指令选取所述目标识别神经网络模型。其中，步骤C中所述对标注信息进行调整包括：对所述标注信息进行内容、位置及显示样式的至少一项的调整。其中，步骤C中所述对目标物体的外轮廓进行调整包括：对所述目标物体的外轮廓进行形状及边界位置的至少一项的调整。进一步改进，所述步骤A之后，还包括：基于通用分类神经网络模型对所述图像进行识别，识别出所述图像中的目标物体的类别；基于所述目标物体的类别选取所述目标识别神经网络模型。进一步改进，所述基于所述目标物体的类别选取所述目标识别神经网络模型之后还包括，基于接收到的用户变更模型的指令选取所述目标识别神经网络模型。由上，当智能设备利用加载的通用分类神经网络模型对目标的分类出现错误时，可由用户直接在目标识别神经网络模型库中选择一个与当前目标对应的目标识别神经网络模型，进行人工变更，以完成后续的识别任务。进一步改进，所述步骤C之后，还包括：将所述调整后的标识有所述目标物体的外轮廓的所述目标物体图像及所述目标识别神经网络模型关联的目标物体类别信息输入到通用分类神经网络模型库中，以对所述通用分类神经网络模型进行训练。由上，基于神经网络训练技术，将所述调整后的标识有所述目标物体的外轮廓的所述目标物体图像及所述目标识别神经网络模型关联的目标物体类别信息作为训练素材输入到通用分类神经网络模型库中进行训练，可完善通用分类神经网络模型库的素材量，提高通用分类神经网络模型的识别准确率。可选的，所述用户调整指令包括至少以下之一：根据用户在智能设备提供的虚拟空间内的手势操作生成的调整指令、根据用户在智能设备提供的触摸屏上的触摸操作生成的调整指令、根据用户在智能设备提供的语音输入方式下的语音输入操作生成的调整指令。由上，根据使用的智能设备不同，其操作方式也不同，例如可在智能设备的触摸屏上进行手动触摸操作，如果该智能设备为头戴式增强现实设备，也可在其虚拟的空间显示屏上进行手势操作，又或者，该智能设备若支持语音功能，可采用关键字识别的语音方式进行语音命令操作。可选的，所述智能设备包括：头戴式增强现实设备或移动设备或智能摄像头设备。进一步改进，所述标注信息包括文字格式的信息和/或语音格式的信息。本专利技术提供的一种基于神经网络模型的信息标注方法的技术效果是：基于目标识别神经网络模型对获取的目标物体图像进行识别并标识出目标物体的外轮廓及目标物体的标注信息，同时，本方法还可对标识出的目标物体的外轮廓和标注信息进行人工调整，从而实现了对目标物采集的同时进行标注，提高了信息标注的效率及标注信息的准确性。附图说明图1为本专利技术基于神经网络模型的信息标注方法一实施例的流程图；图2为本专利技术对汽车目标进行信息标注的实现方法的一实施例的流程示意图。具体实施方式下面参照附图对本专利技术的工作原理和实施方式进行详细描述。实施例一图1为本专利技术基于神经网络模型的信息标注方法的一实施例的流程图，本实施例的方法由智能设备执行，如图一所示，该方法可以包括：S101：获取目标物体图像；其中，智能设备可以通过自身具有的摄像头获取所要采集和识别的目标物体图像，即现实图像信息，该现实图像信息例如可以是使用摄像头随机拍摄的一张当前场景的照片，即是真实世界的照片；或者，也可以是使用摄像头获取的真实世界的视频帧。其中，智能设备可以包括头戴式增强现实设备或移动设备或智能摄像头设备，例如可以是AR眼镜(增强现实眼镜)或智能眼镜或手机或便携式智能摄像头。其中，智能设备也可以通过有线或者无线数据传输方式接收其他设备获取的目标物体图像。例如可以是AR眼镜从与其通过USB数据线连接的手机接收到所述手机拍摄到的目标物体图像。例如，用户需要获得当前环境中的某一汽车的标注信息时，通过所佩戴或持有的智能设备对该汽车进行拍照，获得的带有该汽车的图片即目标物体图像。S102：基于目标识别神经网络模型对所述图像进行识别，在所述图像中标识出所述目标物体的外轮廓及所述目标物体的标注信息；其中，该目标识别神经网络模型是利用与所述目标物体类型对应的样本进行特定训练的识别模型，用于对目标物体进行识别，目标物体图像经过该神经网络模型识别后能够得到标识有目标物体外轮廓的图像以及目标物体的标注信息。其中，标注信息包括物体的名称，型号，基本信息，广告信息等。其中，常用的目标识别神经网络模型包括SSD(Single-ShotDetector)模型和FasterR-CNN模型。例如，通过上述S101步骤获得带有汽车的图片后，通过智能设备的目标识别神经网络模型进行识别，得到汽车外轮廓被标识的图像及包括所述汽车的名称，型号，百公里油耗的标注信息，智能设备的显示屏可以显示汽车外轮廓被标识的图像及标注信息。S103：基于接收到的用户调整指令对所述目标物体在所述目标物体图像中的外轮廓和所述标注信息进行调整。本实施例的基本文档来自技高网...

【技术保护点】
1.一种基于神经网络模型的信息标注方法，其特征在于，应用于智能设备，所述方法包括以下步骤：/nA、获取目标物体图像；/nB、基于目标识别神经网络模型对所述图像进行识别，在所述图像中标识出所述目标物体的外轮廓及所述目标物体的标注信息；/nC、基于接收到的用户调整指令对所述目标物体在所述目标物体图像中的外轮廓和所述标注信息进行调整。/n

【技术特征摘要】
1.一种基于神经网络模型的信息标注方法，其特征在于，应用于智能设备，所述方法包括以下步骤：
A、获取目标物体图像；
B、基于目标识别神经网络模型对所述图像进行识别，在所述图像中标识出所述目标物体的外轮廓及所述目标物体的标注信息；
C、基于接收到的用户调整指令对所述目标物体在所述目标物体图像中的外轮廓和所述标注信息进行调整。


2.根据权利要求1所述的方法，其特征在于，所述步骤C之后，还包括：
将所述调整后的标识有所述目标物体的外轮廓的所述目标物体图像及所述调整后的标注信息作为训练样本，输入到目标识别神经网络模型库中，以对所述目标识别神经网络模型进行训练。


3.根据权利要求1所述的方法，其特征在于，所述步骤B还包括：
基于接收到的用户选择模型的指令选取所述目标识别神经网络模型。


4.根据权利要求1所述的方法，其特征在于，步骤C中所述对标注信息进行调整包括：
对所述标注信息进行内容、位置及显示样式的至少一项的调整。


5.根据权利要求1所述的方法，其特征在于，步骤C中所述对目标物体的外轮廓进行调整包括：
对所述目标物体的外轮廓进行形状及边界位置的至少一项的调整。


6.根据权利要求1所述的方法，其特征在于，所述步骤A之...

【专利技术属性】
技术研发人员：马林，姚寒星，
申请(专利权)人：北京亮亮视野科技有限公司，
类型：发明
国别省市：北京;11