图片标注的正确率获取方法、装置和电子设备制造方法及图纸

本公开公开了图片标注的正确率获取方法、装置和电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、图像处理技术领域。具体实现方案为：获取图片的标注结果和所述标注结果的标注粒度；识别所述标注结果的判断结果；从所述标注粒度中获取隶属于目标图片特征维度的至少一个隶属标注粒度，以及获取所述隶属标注粒度的标注结果；根据所述隶属标注粒度的标注结果的判断结果，获取所述图片在所述目标图片特征维度下的标注正确率。由此，能够基于标注粒度获取图片在不同特征维度下的标注正确率，灵活性较高，提高了图片标注的正确率的多样性。

【技术实现步骤摘要】
图片标注的正确率获取方法、装置和电子设备
本公开涉及计算机
，尤其涉及一种图片标注的正确率获取方法、装置、电子设备、存储介质和计算机程序产品。
技术介绍
目前，随着人工智能技术的发展，图片标注在无人车场景的障碍物标注、骨骼关键点标注等领域中得到了广泛应用，比如，无人车场景的障碍物标注中，可对无人车采集的图片的拍摄时间、标注框的类型、位置、遮挡、截断等属性进行标注。然而，现有技术中的图片标注的正确率获取方法较为单一，不够灵活，不能全面反映图片标注的正确率。
技术实现思路
提供了一种图片标注的正确率获取方法、装置、电子设备、存储介质和计算机程序产品。根据第一方面，提供了一种图片标注的正确率获取方法，包括：获取图片的标注结果和所述标注结果的标注粒度；识别所述标注结果的判断结果；从所述标注粒度中获取隶属于目标图片特征维度的至少一个隶属标注粒度，以及获取所述隶属标注粒度的标注结果；根据所述隶属标注粒度的标注结果的判断结果，获取所述图片在所述目标图片特征维度下的标注正确率。根据第二方面，提供了一种图片标注的正确率获取装置，包括：第一获取模块，用于获取图片的标注结果和所述标注结果的标注粒度；第一识别模块，用于识别所述标注结果的判断结果；第二获取模块，用于从所述标注粒度中获取隶属于目标图片特征维度的至少一个隶属标注粒度，以及获取所述隶属标注粒度的标注结果；第三获取模块，用于根据所述隶属标注粒度的标注结果的判断结果，获取所述图片在所述目标图片特征维度下的标注正确率。根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的图片标注的正确率获取方法。根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开第一方面所述的图片标注的正确率获取方法。根据第五方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开第一方面所述的图片标注的正确率获取方法。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本公开的限定。其中：图1是根据本公开第一实施例的图片标注的正确率获取方法的流程示意图；图2是根据本公开第二实施例的图片标注的正确率获取方法中识别标注结果的判断结果的流程示意图；图3是根据本公开第三实施例的图片标注的正确率获取方法中获取图片在目标图片特征维度下的标注正确率的流程示意图；图4是根据本公开第四实施例的图片标注的正确率获取方法中获取至少一个隶属标注粒度的权重的流程示意图；图5是根据本公开第五实施例的图片标注的正确率获取方法中获取图片在图片特征维度下的标注正确率的流程示意图；图6是根据本公开第一实施例的图片标注的正确率获取装置的框图；图7是用来实现本公开实施例的图片标注的正确率获取方法的电子设备的框图。具体实施方式以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。AI(ArtificialIntelligence，人工智能)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。计算机视觉(ComputerVision)是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉是一门综合性的学科，包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。图像处理(ImageProcessing)是指用计算机对图像进行分析，以达到所需结果的技术。图像处理一般指数字图像处理，数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。图1是根据本公开第一实施例的图片标注的正确率获取方法的流程示意图。如图1所示，本公开第一实施例的图片标注的正确率获取方法，包括：S101，获取图片的标注结果和标注结果的标注粒度。需要说明的是，本公开实施例的图片标注的正确率获取方法的执行主体可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选地，执行主体可包括工作站、服务器，计算机、用户终端及其他智能设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。本公开的实施例中，可获取图片的标注结果和标注结果的标注粒度。应说明的是，本公开的实施例中，对图片的标注结果、标注粒度不做过多限定，标注粒度可根据实际情况预先进行设置，不同的标注结果可对应不同的标注粒度。在一种实施方式中，可获取针对整张图片的标注结果和/或针对图片中元素的标注结果。其中，针对整张图片的标注结果包括但不限于针对整张图片是否清晰、整张图片的拍摄场景是否符合要求、整张图片是否可标、整张图片的拍摄时间为白天还是晚上等的标注结果。其中，元素包括但不限于点元素、线元素、区域元素、框元素等。其中，针对图片中元素的标注结果包括但不限于针对元素的位置、类型等属性的标注结果。比如，针对图片中点元素的标注结果包括但不限于针对点元素位置是否准确、点元素对应的待标记物体是前轮还是后轮等的标注结果；针对图片中区域元素的标注结果包括但不限于针对区域元素与实际图片的贴合度、区域元素是天空还是陆地等的标注结果；针对图片中框元素的标注结果包括但不限于针对框元素是否完全包裹待标记物体、框元素中的待标记物体是小汽车还是大卡车等的标注结果。在一种实施方式中，获取标注结果的标注粒度，可包括识别标注结果的标注对象，基于标注对象确定标注结果的标注粒度，其中，标注对象包括整张图片和/或图片中的元素。其中，基于标注对象确定标注结果的标注粒度，可包括根据标注对象和标注粒度的对应关系，获取标注对象对应的候选标注粒度，基于标注结果的内容从候选标注粒度中确定标注结果的标注粒度。例如，标注结果为针对整张图片是否清晰的标注结果，则可先确定标注结果的标注对象为整张图片，获取与整张图片对应的候选标注粒度包括整张图片是否清晰、整张图片的拍摄场景是否符合要求、整张图片是否可标、整张图片的拍摄时间为白天还本文档来自技高网...

【技术保护点】
1.一种图片标注的正确率获取方法，包括：/n获取图片的标注结果和所述标注结果的标注粒度；/n识别所述标注结果的判断结果；/n从所述标注粒度中获取隶属于目标图片特征维度的至少一个隶属标注粒度，以及获取所述隶属标注粒度的标注结果；/n根据所述隶属标注粒度的标注结果的判断结果，获取所述图片在所述目标图片特征维度下的标注正确率。/n

【技术特征摘要】
1.一种图片标注的正确率获取方法，包括：
获取图片的标注结果和所述标注结果的标注粒度；
识别所述标注结果的判断结果；
从所述标注粒度中获取隶属于目标图片特征维度的至少一个隶属标注粒度，以及获取所述隶属标注粒度的标注结果；
根据所述隶属标注粒度的标注结果的判断结果，获取所述图片在所述目标图片特征维度下的标注正确率。


2.根据权利要求1所述的方法，其中，所述识别所述标注结果的判断结果，包括：
获取所述标注结果对应的参考标注结果；
将所述标注结果与所述参考标注结果进行比对；
响应于所述标注结果与所述参考标注结果一致，识别所述标注结果的判断结果为正确；
响应于所述标注结果与所述参考标注结果不一致，识别所述标注结果的判断结果为错误。


3.根据权利要求1所述的方法，其中，所述根据所述隶属标注粒度的标注结果的判断结果，获取所述图片在所述目标图片特征维度下的标注正确率，包括：
获取所述至少一个隶属标注粒度的权重；
根据任一隶属标注粒度的标注结果的判断结果，获取任一隶属标注粒度的标注正确率；
根据所述隶属标注粒度的标注正确率和所述隶属标注粒度的权重，获取所述图片在所述目标图片特征维度下的标注正确率。


4.根据权利要求3所述的方法，其中，所述根据任一隶属标注粒度的标注结果的判断结果，获取任一隶属标注粒度的标注正确率，包括：
获取所述任一隶属标注粒度的标注结果的第一数量；
获取所述任一隶属标注粒度的标注结果中判断结果为正确的标注结果的第二数量；
获取所述第二数量与所述第一数量的比值，作为所述任一隶属标注粒度的标注正确率。


5.根据权利要求3所述的方法，其中，所述根据所述隶属标注粒度的标注正确率和所述隶属标注粒度的权重，获取所述图片在所述目标图片特征维度下的标注正确率，包括：
识别所述隶属标注粒度包含至少一个目标标注粒度；
响应于存在任一目标标注粒度的标注结果的判断结果为错误，获取所述图片在所述目标图片特征维度下的标注正确率为0；或者，
响应于所有目标标注粒度的标注结果的判断结果为正确，获取其余隶属标注粒度的标注正确率和权重的乘积的和值，作为所述图片在所述目标图片特征维度下的标注正确率。


6.根据权利要求5所述的方法，其中，所述根据所述隶属标注粒度的标注正确率和所述隶属标注粒度的权重，获取所述图片在所述目标图片特征维度下的标注正确率，还包括：
识别所述隶属标注粒度不包含所述目标标注粒度，获取所述隶属标注粒度的标注正确率和权重的乘积的和值，作为所述图片在所述目标图片特征维度下的标注正确率。


7.根据权利要求3-6任一项所述的方法，其中，所述获取所述至少一个隶属标注粒度的权重，包括：
获取所述隶属标注粒度的历史权重、第一关注度参数和/或第二关注度参数，其中，所述第一关注度参数用于表征用户对所述隶属标注粒度的关注度，所述第二关注度参数用于表征服务端对所述隶属标注粒度的关注度；
根据所述第一关注度参数和/或所述第二关注度参数，确定所述历史权重的调整参数；
基于所述调整参数对所述历史权重进行调整，并将调整后的历史权重作为所述隶属标注粒度的权重。


8.根据权利要求1-6任一项所述的方法，其中，所述方法还包括：
识别图片特征维度之间的层级关系；
针对所述图片的任意一个属于第一层级的第一图片特征维度，获取所述第一图片特征维度对应的属于第二层级的每个第二图片特征维度，以及所述图片在所述第二图片特征维度下的标注正确率，其中，属于所述第二层级的第二图片特征维度用于聚合成所述第一层级的第一图片特征维度；
根据所述图片在每个所述第二图片特征维度下的标注正确率，获取所述图片在所述第一图片特征维度下的标注正确率。


9.一种图片标注的正确率获取装置，包括：
第一获取模块，用于获取图片的标注结果和所述标注结果的标注粒度；
第一识别模块，用于识别所述标注结果的判断结果；
第二获取模块，用于从所述标注粒度中获取隶属于目标图片特征维度的至少...

【专利技术属性】
技术研发人员：杨雪，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11