本申请公开了一种图像样本分类标注方法、装置、设备、介质，涉及图像处理技术领域，包括：选取一个预先训练好的图像标注模型作为当前目标图像标注模型，并利用当前目标图像标注模型对原始图像样本集进行图像标注并分类并输出相应的图像样本集；依次利用其余未被选取过的图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，并从当前分类结果中剔除与目标分类类别不一致的图像样本，直到当前目标图像标注模型标注分类产生的图像满足预设图像标注数量，停止图像标注分类并输出相应的分类标注后的图像样本集。通过本申请可以减少时间成本和人力成本，并减少人工标注的误差，提高标注的准确度。提高标注的准确度。提高标注的准确度。
【技术实现步骤摘要】
一种图像样本分类标注方法、装置、设备、存储介质
[0001]本专利技术涉及图像处理
，特别涉及一种图像样本分类标注方法、装置、设备、存储介质。
技术介绍
[0002]当前，在基于监督学习的图像分类的前期，需要对图像的预处理标注，以得到携带类型标签的图像数据集，目前在图像分类中，需要先进行一次人工分类，也就是人工标注，而为了提升模型的训练准确度，需要大量的数据标注，至少都是104数量级，大量的人工的标注不仅需要大量的时间成本和人力成本，而且长时间的人工标注总是会存在错误。
[0003]综上，如何实现简单、准确的图像样本分类标注，减少人力和时间成本，减少标注误差是本领域有待解决的问题。
技术实现思路
[0004]有鉴于此，本专利技术的目的在于提供一种图像样本分类标注方法、装置、设备、存储介质，能够实现简单、准确的图像样本分类标注，减少人力和时间成本，减少标注误差。其具体方案如下：第一方面，本申请公开了一种图像样本分类标注方法，包括：从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，并利用所述当前目标图像标注模型对原始图像样本集进行图像标注并分类，以输出当前的包含相应目标分类类别的图像样本集；从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型；利用所述当前目标图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，并从当前分类结果中剔除与所述目标分类类别不一致的图像样本，以输出当前的包含所述目标分类类别的图像样本集；重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直到满足预设跳转结束条件，并输出相应的分类标注后的图像样本集。
[0005]可选的，所述从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型之前，还包括：利用不同样本图像数据集对不同的图像标注模型分别进行图像标注训练，以得到多个训练后的图像标注模型。
[0006]可选的，所述利用不同样本图像数据集对不同的图像标注模型分别进行图像标注训练，以得到多个训练后的图像标注模型之前，还包括：对原始图像样本集进行采样，然后为采样得到的样本图像数据标注相应的数据类型标签并进行分组，以得到多个样本图像数据集。
[0007]可选的，所述对原始图像样本集进行采样，然后为采样得到的样本图像数据标注相应的数据类型标签并进行分组，以得到多个样本图像数据集之后，还包括：对每个的样本图像数据集中的样本图像进行扩充，以得到扩充后的样本图像数据集。
[0008]可选的，所述对每个的样本图像数据集中的样本图像进行扩充，以得到扩充后的样本图像数据集，包括：利用一种或多种变换增强方法并基于预设图像增强系数对所述样本图像数据集中的每一个类别的子样本图像进行扩充，以得到扩充后的样本图像数据集。
[0009]可选的，所述利用所述当前目标图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，包括：选取一个目标分类类别，从上一目标图像标注模型输出的图像样本集中确定出与所述目标分类类别对应的目标图像样本集，并利用所述当前目标图像标注模型对所述目标图像样本集进行标注并分类。
[0010]可选的，所述重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直到满足预设跳转结束条件，并输出相应的分类标注后的图像样本集，包括：重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直至每一目标分类类别中的图像样本数量达到预设图像样本数量，并输出相应的分类标注后的图像样本集。
[0011]第二方面，本申请公开了一种图像样本分类标注装置，包括：第一分类标注模块，用于从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，并利用所述当前目标图像标注模型对原始图像样本集进行图像标注并分类，以输出当前的包含相应目标分类类别的图像样本集；模型确定模块，用于从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型；第二分类标注模块，用于利用所述当前目标图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，并从当前分类结果中剔除与所述目标分类类别不一致的图像样本，以输出当前的包含所述目标分类类别的图像样本集；样本获取模块，用于重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直到满足预设跳转结束条件，并输出相应的分类标注后的图像样本集。
[0012]第三方面，本申请公开了一种电子设备，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序，以实现前述公开的图像样本分类标注方法的步骤。
[0013]第四方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的图像样本分类标注方法的步骤。
[0014]可见，本申请公开了一种图像样本分类标注方法，包括：从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，并利用所述当前目
标图像标注模型对原始图像样本集进行图像标注并分类，以输出当前的包含相应目标分类类别的图像样本集；从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型；利用所述当前目标图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，并从当前分类结果中剔除与所述目标分类类别不一致的图像样本，以输出当前的包含所述目标分类类别的图像样本集；重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直到满足预设跳转结束条件，并输出相应的分类标注后的图像样本集。由此可见，本申请利用训练出的多个图像标注模型对原始图像样本集依次进行图像标注并分类，并在选取第二个图像标注模型进行标注分类时剔除不属于目标分类类别的图像数据，最终获取一个图像标注分类很精准的数据集作为图像样本集，避免人工大量的分类标记图像样本集，减少时间成本和人力成本，并且减少长时间人工标注产生的标注误差，提高标注的准确度。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0016]图1为本申请公开的一种图像样本分类标注方法流程图；图2为本申请公开的一种数据集分类标注过程流程图；图3为本申请公开的一种具体的图像样本分类标注方法流程图；图4为本申请公开的一种具体的图像样本分类标注装置结构图；图5为本申请公开的一种电子设备结构图。
具体实施方式
[0017]下面将结合本专利技术本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像样本分类标注方法，其特征在于，包括：从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，并利用所述当前目标图像标注模型对原始图像样本集进行图像标注并分类，以输出当前的包含相应目标分类类别的图像样本集；从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型；利用所述当前目标图像标注模型对上一目标图像标注模型输出的图像样本集进行图像标注并分类，并从当前分类结果中剔除与所述目标分类类别不一致的图像样本，以输出当前的包含所述目标分类类别的图像样本集；重新跳转至所述从其余未被选取过的所述图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型，直到满足预设跳转结束条件，并输出相应的分类标注后的图像样本集。2.根据权利要求1所述的图像样本分类标注方法，其特征在于，所述从预先训练好的多个图像标注模型中选取出一个所述图像标注模型作为当前目标图像标注模型之前，还包括：利用不同样本图像数据集对不同的图像标注模型分别进行图像标注训练，以得到多个训练后的图像标注模型。3.根据权利要求2所述的图像样本分类标注方法，其特征在于，所述利用不同样本图像数据集对不同的图像标注模型分别进行图像标注训练，以得到多个训练后的图像标注模型之前，还包括：对原始图像样本集进行采样，然后为采样得到的样本图像数据标注相应的数据类型标签并进行分组，以得到多个样本图像数据集。4.根据权利要求3所述的图像样本分类标注方法，其特征在于，所述对原始图像样本集进行采样，然后为采样得到的样本图像数据标注相应的数据类型标签并进行分组，以得到多个样本图像数据集之后，还包括：对每个的样本图像数据集中的样本图像进行扩充，以得到扩充后的样本图像数据集。5.根据权利要求4所述的图像样本分类标注方法，其特征在于，所述对每个的样本图像数据集中的样本图像进行扩充，以得到扩充后的样本图像数据集，包括：利用一种或多种变换增强方法并基于预设图像增强系数对所述样本图像数据集中的每一个类别的子样本图像进行扩充，以得到扩充后的样本图像数据集。6.根据权利要求1至5任一项所述的图像样本分类标注方法，...
【专利技术属性】
技术研发人员：罗林坡，陈鑫伟，王明君，刘明顺，吴海燕，李丹，
申请(专利权)人：四川万网鑫成信息科技有限公司，
类型：发明
国别省市：
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。