自动生成显著性检测任务标注数据的方法、装置及系统制造方法及图纸

本发明专利技术实施例公开了一种自动生成显著性检测任务标注数据的方法、装置及系统，利用渲染引擎自动生成可用于显著性检测任务的标注数据，利用该方法生成的数据可以和人工标注的数据混合在一起达到数据增强的目的，从而提升显著性检测模型的准确率，在没有人工标注数据的情况下也可以使用该方法生成的数据直接训练显著性检测模型。练显著性检测模型。练显著性检测模型。

【技术实现步骤摘要】
自动生成显著性检测任务标注数据的方法、装置及系统


[0001]本专利技术实施例涉及深度学习
，具体涉及一种自动生成显著性检测任务标注数据的方法、装置及系统。

技术介绍

[0002]显著性检测是指利用算法提取图像中的显著区域。基于深度学习的显著性检测任务通常需要大量的标注数据，而获取数据有时候并不容易。目前一般的显著性检测任务获取训练数据的方法主要还是人工标注，费时费力且昂贵。数据的数量和质量成了限制深度学习显著性检测模型能力的瓶颈。

技术实现思路

[0003]为此，本专利技术实施例提供一种自动生成显著性检测任务标注数据的方法、装置及系统，以解决现有的显著性检测任务获取训练数据的方法主是人工标注，费时费力且昂贵，数据的数量和质量成了限制深度学习显著性检测模型能力的瓶颈的问题。
[0004]为了实现上述目的，本专利技术实施例提供如下技术方案：
[0005]根据本专利技术实施例的第一方面，提出了一种自动生成显著性检测任务标注数据的方法，所述方法包括：
[0006]将I_T输入至决策网络模型中得到O_T，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动生成显著性检测任务标注数据的方法，其特征在于，所述方法包括：将I_T输入至决策网络模型中得到输出O_T，其中I_T＝[[0,1
…
N],[0,1
…
M],[0,1
…
X],[0,1
…
Y]]表示具有N个用于显著性检测任务的三维模型、M个背景图片、X个三维模型在背景中的放置位置以及Y个三维模型旋转角度的所有组合，O_T＝(I,J,K,L)表示取第I个三维模型M[I]、第J个背景B[J]、三维模型放在第K个位置L[K]以及三维模型旋转L角度R[L]；将获取的O_T输入至显著性检测模型，输出得到三维模型在背景中的预测框；根据获取的O_T确定的图片通过带有渲染引擎的三维图形图像软件根据三维模型尺寸和位置得到用于显著性检测任务的三维模型在背景中的标注框；根据获得的三维模型的预测框和标注框计算交并比IoU，若IoU＞0.5，则记录此时的O_T和I_T作为一组数据对；当获得有预设数量组数的O_T和I_T的数据对时，则使用所获得的多组数据对对决策网络模型进行训练，使得决策网络模型朝着产生更多有效数据的方向更新梯度；多次重复训练完后获得能够产生大量有效的用于显著性检测任务的标注数据的决策网络模型。2.根据权利要求1所述的一种自动生成显著性检测任务标注数据的方法，其特征在于，所述方法还包括：当决策网络模型输出一组O_T时，则根据O_T修改I_T，将I_T中各对应位置的值改为
‑
1，表示该种组合已被使用，不再进行复用。3.根据权利要求2所述的一种自动生成显著性检测任务标注数据的方法，其特征在于，所述方法还包括：当一次训练完成后，将I_T恢复为初始值，只保留决策网络模型的权重，再进行重新取数和训练。4.根据权利要求1所述的一种自动生成显著性检测任务标注数据的方法，其特征在于，所述决策网络模型包括多层感知机、卷积神经网络等任何已知或未知的模型。5.根据权利要求1所述的一种自动生成显著性检测任务标注数据的方法，其特征在于，所述显著性检测模型包括U2Net、BANet等任何已知或未知的模型。6.根据权利要求1所述的一种自动生成显著性检测任务标注数据的方法，其特征在于，所述三维...

【专利技术属性】
技术研发人员：程梓益，
申请(专利权)人：北京影谱科技股份有限公司，
类型：发明
国别省市：