图像分割数据标注方法及装置制造方法及图纸

本说明书涉及深度学习图像分割技术领域，具体地公开了一种图像分割数据标注方法及装置，其中，该方法包括：获取原始图像集、指定图像集和指定背景图像；基于指定图像集与指定背景图像，生成多个指定图像中各指定图像对应的第一标签；第一标签用于标注指定图像中的目标对象；根据多个原始图像中各原始图像对应的第一位置与多个指定图像中各指定图像对应的第二位置，将多个原始图像与多个指定图像进行匹配；依据匹配结果和多个指定图像中各指定图像对应的第一标签，对多个原始图像进行标注，得到多个标注后的原始图像。上述方法实现了图像分割的数据自动标注，有效提升数据标注效率和准确率。准确率。准确率。

【技术实现步骤摘要】
图像分割数据标注方法及装置


[0001]本说明书涉及深度学习图像分割
，特别涉及一种图像分割数据标注方法及装置。

技术介绍

[0002]在深度学习图像分割领域，内窥镜图像中的手术器械标注主要是通过人工手动标注来生成标签。目前，人工标注主要通过开源工具(例如，Labelme)进行，该工具需要人工一步一步把需要标注的图片类似于抠图一样标出来。例如，对于一张2k图片，精细标注一张手术器械图需要10分钟左右。这是由于深度学习图像分割需要高质量高精度的数据标注，采用人工标注的工作量大，导致标注效率非常低，人力成本高。
[0003]针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本说明书实施例提供了一种图像分割数据标注方法及装置，以解决现有技术中图像分割所需的图像标注效率低的问题。
[0005]本说明书实施例提供了一种图像分割数据标注方法，包括：获取原始图像集、指定图像集和指定背景图像；所述原始图像集包括目标对象在目标场景下处于多个第一位置时采集的多个原始图像，所述指定图像集包括目标对象在指定背景下处于多个第二位置时采集的多个指定图像；所述多个第一位置与所述多个第二位置存在交集；基于所述指定图像集与所述指定背景图像，生成所述多个指定图像中各指定图像对应的第一标签；所述第一标签用于标注所述指定图像中的目标对象；根据所述多个原始图像中各原始图像对应的第一位置与所述多个指定图像中各指定图像对应的第二位置，将所述多个原始图像与所述多个指定图像进行匹配；依据匹配结果和所述多个指定图像中各指定图像对应的第一标签，对所述多个原始图像进行标注，得到多个标注后的原始图像。
[0006]本说明书实施例提供了一种图像分割数据标注方法，包括：获取原始图像集、指定图像集和指定背景图像；所述原始图像集包括手术器械在内窥镜手术环境下处于多个第一位置时采集的多个原始图像，所述指定图像集包括手术器械在指定背景下处于多个第二位置时采集的多个指定图像；所述多个第一位置与所述多个第二位置部分重合或完全重合；基于所述指定图像集与所述指定背景图像，生成所述多个指定图像中各指定图像对应的第一标签；所述第一标签用于标注所述指定图像中的手术器械；将所述多个原始图像与所述多个指定图像进行匹配，以确定所述多个原始图像中各原始图像对应的第二标签；所述第二标签用于标注所述原始图像中的手术器械。
[0007]在一个实施例中，所述目标场景包括内窥镜手术环境，所述目标对象包括用于执行内窥镜手术的手术器械；或者，所述目标场景包括体外自动手术环境，所述目标对象包括用于执行体外自动手术的手术器械。
[0008]在一个实施例中，所述内窥镜手术环境包括以下至少之一：光照条件下的内窥镜
手术环境、烟雾条件下的内窥镜手术环境、阴影条件下的内窥镜手术环境、流血场景下的内窥镜手术环境。
[0009]在一个实施例中，基于所述指定图像集与所述指定背景图像，生成所述多个指定图像中各指定图像对应的第一标签，包括：计算所述多个指定图像中各指定图像的像素值与所述指定背景图像的像素值的差值，得到所述各指定图像对应的差值图像；根据所述各指定图像对应的差值图像，生成所述多个指定图像中各指定图像对应的第一标签。
[0010]在一个实施例中，根据所述差值图像，生成所述多个指定图像中各指定图像对应的第一标签，包括：对所述各指定图像对应的差值进行正则化处理，得到正则化处理后的所述各指定图像对应的差值图像；将正则化处理后的所述各指定图像转换成二值化灰度图，得到所述各指定图像对应的第一标签。
[0011]在一个实施例中，根据所述多个原始图像中各原始图像对应的第一位置与所述多个指定图像中各指定图像对应的第二位置，将所述多个原始图像与所述多个指定图像进行匹配，包括：将所述多个第一位置中各第一位置的坐标数据与所述多个第二位置中各第二位置的坐标数据进行比较，以确定出多个位置对，所述多个位置对中各位置对包括坐标数据相同的第一位置和第二位置；将所述各位置对中的第一位置对应的原始图像与第二位置对应的指定图像确定为匹配成功。
[0012]在一个实施例中，依据匹配结果和所述多个指定图像中各指定图像对应的第一标签，对所述多个原始图像进行标注，得到多个标注后的原始图像，包括：将与所述各原始图像匹配的指定图像的第一标签，确定为所述各原始图像对应的第二标签；利用所述第二标签对原始图像进行标注，得到多个标注后的原始图像。
[0013]在一个实施例中，在得到多个标注后的原始图像之后，还包括：基于所述多个标注后的原始图像，构造训练样本集；利用所述训练样本集对预设图像分割深度学习网络进行训练，得到训练好的图像分割深度学习网络；所述训练好的图像分割深度学习网络用于从目标场景采集到的目标图像中识别出目标对象。
[0014]在一个实施例中，在得到多个标注后的原始图像之后，还包括：基于所述多个标注后的原始图像，构造验证样本集；将所述验证样本集输入所述训练好的图像分割深度学习网络中，以计算所述训练好的图像分割深度学习网络的评价指标；当所述评价指标满足预设条件时，将所述训练好的图像分割深度学习网络确定为目标图像分割深度学习网络；其中，所述目标图像分割深度学习网络用于从目标场景采集到的目标图像中识别出目标对象。
[0015]在一个实施例中，在计算所述训练好的图像分割深度学习网络的评价指标之后，还包括：当所述评价指标不满足预设条件时，优化所述图像分割深度学习网络的网络结构；利用所述训练样本集对优化后的图像分割深度学习网络进行训练，得到新训练好的图像分割深度学习网络。
[0016]在一个实施例中，在计算所述训练好的图像分割深度学习网络的评价指标之后，还包括：当所述评价指标不满足预设条件时，重新获取原始图像集和所述原始图像集对应的多个标注后的原始图像，以重新构建训练样本集；利用所述重新构建的训练样本集对所述预设图像分割深度学习网络进行训练，得到新训练好的图像分割深度学习网络。
[0017]在一个实施例中，在将所述训练好的图像分割深度学习网络确定为目标图像分割
深度学习网络之后，还包括：获取目标场景中采集的目标图像；将所述目标图像输入所述目标图像分割深度学习网络中，以从所述目标图像中识别出目标对象区域；当目标对象关键点存在于所述目标对象区域时，基于所述目标对象关键点的位置控制所述目标对象执行预设操作。
[0018]在一个实施例中，所述目标对象关键点包括多个候选目标对象关键点；在从所述目标图像中识别出目标对象区域之后，还包括：将不处于所述目标对象区域中的目标对象关键点过滤掉。
[0019]在一个实施例中，所述指定背景为绿幕。
[0020]本说明书实施例还提供了一种图像分割数据标注装置，包括：获取模块，用于获取原始图像集、指定图像集和指定背景图像；所述原始图像集包括目标对象在目标场景下处于多个第一位置时采集的多个原始图像，所述指定图像集包括目标对象在指定背景下处于多个第二位置时采集的多个指定图像；所述多个第一位置与所述多个第二位置存在交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割数据标注方法，其特征在于，包括：获取原始图像集、指定图像集和指定背景图像；所述原始图像集包括目标对象在目标场景下处于多个第一位置时采集的多个原始图像，所述指定图像集包括目标对象在指定背景下处于多个第二位置时采集的多个指定图像；所述多个第一位置与所述多个第二位置存在交集；基于所述指定图像集与所述指定背景图像，生成所述多个指定图像中各指定图像对应的第一标签；所述第一标签用于标注所述指定图像中的目标对象；根据所述多个原始图像中各原始图像对应的第一位置与所述多个指定图像中各指定图像对应的第二位置，将所述多个原始图像与所述多个指定图像进行匹配；依据匹配结果和所述多个指定图像中各指定图像对应的第一标签，对所述多个原始图像进行标注，得到多个标注后的原始图像。2.根据权利要求1所述的图像分割数据标注方法，其特征在于，所述目标场景包括内窥镜手术环境，所述目标对象包括用于执行内窥镜手术的手术器械；或者，所述目标场景包括体外自动手术环境，所述目标对象包括用于执行体外自动手术的手术器械。3.根据权利要求2所述的图像分割数据标注方法，其特征在于，所述内窥镜手术环境包括以下至少之一：光照条件下的内窥镜手术环境、烟雾条件下的内窥镜手术环境、阴影条件下的内窥镜手术环境、流血场景下的内窥镜手术环境。4.根据权利要求1所述的图像分割数据标注方法，其特征在于，基于所述指定图像集与所述指定背景图像，生成所述多个指定图像中各指定图像对应的第一标签，包括：计算所述多个指定图像中各指定图像的像素值与所述指定背景图像的像素值的差值，得到所述各指定图像对应的差值图像；根据所述各指定图像对应的差值图像，生成所述多个指定图像中各指定图像对应的第一标签。5.根据权利要求4所述的图像分割数据标注方法，其特征在于，根据所述差值图像，生成所述多个指定图像中各指定图像对应的第一标签，包括：对所述各指定图像对应的差值进行正则化处理，得到正则化处理后的所述各指定图像对应的差值图像；将正则化处理后的所述各指定图像转换成二值化灰度图，得到所述各指定图像对应的第一标签。6.根据权利要求1所述的图像分割数据标注方法，其特征在于，根据所述多个原始图像中各原始图像对应的第一位置与所述多个指定图像中各指定图像对应的第二位置，将所述多个原始图像与所述多个指定图像进行匹配，包括：将所述多个第一位置中各第一位置的坐标数据与所述多个第二位置中各第二位置的坐标数据进行比较，以确定出多个位置对，所述多个位置对中各位置对包括坐标数据相同的第一位置和第二位置；将所述各位置对中的第一位置对应的原始图像与第二位置对应的指定图像确定为匹配成功。7.根据权利要求1所述的图像分割数据标注方法，其特征在于，依据匹配结果和所述多
个指定图像中各指定图像对应的第一标签，对所述多个原始图像进行标注，得到多个标注后的原始图像，包括：将与所述各原始图像匹配的指定图像的第一标签，确定为所述各原始图像对应的第二标签；利用所述第二标签对原始图像进行标注，得到多个标注后的原始图像。8.根据权利要求1所述的图像分割数据标注方法，其特征在于，在得到多个标注后的原始图像之后，还包括：基于所述多个标注后的原始图像，构...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：上海微创医疗机器人集团股份有限公司，
类型：发明
国别省市：