图像标注方法、训练方法、图像处理方法以及电子设备技术

本公开提供了一种图像标注方法、训练方法、图像处理方法以及电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习和工业质检技术领域。具体实现方案为：确定测试图像的特征信息，其中，特征信息包括特征点的特征点信息和特征点描述符信息；根据测试图像的特征信息和与测试图像对应的模板图像的特征信息，确定模板图像和测试图像之间的变换信息；根据变换信息和模板图像的标注信息，得到测试图像的标注信息。测试图像的标注信息。测试图像的标注信息。

【技术实现步骤摘要】
图像标注方法、训练方法、图像处理方法以及电子设备


[0001]本公开涉及人工智能
，尤其涉及计算机视觉、深度学习和工业质检
具体地，涉及一种图像标注方法、训练方法、图像处理方法以及电子设备。

技术介绍

[0002]随着计算机技术的不断发展，对图像进行处理的需求越来越多。例如，对图像进行图像标注。图像标注可以指对图像中的目标对象标注预期标签的技术。

技术实现思路

[0003]本公开提供了一种图像标注方法、训练方法、图像处理方法以及电子设备。
[0004]根据本公开的一方面，提供了一种图像标注方法，包括：确定测试图像的特征信息，其中，上述特征信息包括特征点的特征点信息和特征点描述符信息；根据上述测试图像的特征信息和与上述测试图像对应的模板图像的特征信息，确定上述模板图像和上述测试图像之间的变换信息；以及，根据上述变换信息和上述模板图像的标注信息，得到上述测试图像的标注信息。
[0005]根据本公开的另一方面，提供了一种指针表计图像的标注方法，包括：获取目标指针表计图像；以及利用根据本公开上述的方法对上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像标注方法，包括：确定测试图像的特征信息，其中，所述特征信息包括特征点的特征点信息和特征点描述符信息；根据所述测试图像的特征信息和与所述测试图像对应的模板图像的特征信息，确定所述模板图像和所述测试图像之间的变换信息；以及根据所述变换信息和所述模板图像的标注信息，得到所述测试图像的标注信息。2.根据权利要求1所述的方法，其中，所述确定测试图像的特征信息，包括：对所述测试图像进行特征提取，得到所述测试图像的特征向量；以及根据所述特征向量，得到所述测试图像的特征信息。3.根据权利要求2所述的方法，其中，所述根据所述特征向量，得到所述测试图像的特征信息，包括：对所述特征向量进行第一解码，得到所述测试图像的特征点的特征点信息；以及对所述特征向量进行第二解码，得到所述测试图像的特征点的特征点描述符信息。4.根据权利要求1所述的方法，其中，所述确定测试图像的特征信息，包括：对所述测试图像进行特征点信息提取，得到所述测试图像的特征点的特征点信息；以及根据所述测试图像的特征点的特征点信息，得到所述测试图像的特征点的特征点描述符信息。5.根据权利要求1～4中任一项所述的方法，其中，所述根据所述测试图像的特征信息和与所述测试图像对应的模板图像的特征信息，确定所述模板图像和所述测试图像之间的变换信息，包括：基于传统特征点匹配方法，根据所述模板图像的特征点的特征点描述符信息和所述测试图像的特征点的特征点描述符信息，确定所述模板图像和所述测试图像之间的特征点匹配结果；以及根据所述特征点匹配结果，得到所述模板图像和所述测试图像之间的变换信息。6.根据权利要求1～4中任一项所述的方法，其中，所述根据所述测试图像的特征信息和与所述测试图像对应的模板图像的特征信息，确定所述模板图像和所述测试图像之间的变换信息，包括：基于注意力图学习方法，根据所述测试图像的特征信息和与所述测试图像对应的模板图像的特征信息，得到所述模板图像和所述测试图像各自的特征点的匹配描述符信息；根据所述模板图像和所述测试图像各自的特征点的匹配描述符信息，确定所述模板图像和所述测试图像之间的匹配度评估矩阵；以及根据所述匹配度评估矩阵，确定所述模板图像和所述测试图像之间的变换信息。7.根据权利要求6所述的方法，其中，所述基于注意力图学习方法，根据所述测试图像的特征信息和与所述测试图像对应的模板图像的特征信息，得到所述模板图像和所述测试图像各自的特征点的匹配描述符信息，包括：分别对所述模板图像和所述测试图像各自的特征点的特征点信息进行特征提取，得到所述模板图像和所述测试图像各自的特征点的中间特征点信息；根据所述模板图像的特征点的中间特征点信息和特征点描述符信息，得到所述模板图
像的特征点的融合信息；根据所述测试图像的特征点的中间特征点信息和特征点描述符信息，得到所述测试图像的特征点的融合信息；以及基于注意力图学习方法，根据所述模板图像和所述测试图像各自的特征点的融合信息，得到所述模板图像和所述测试图像各自的特征点的匹配描述符信息。8.根据权利要求6或7所述的方法，其中，所述根据所述模板图像和所述测试图像各自的特征点的匹配描述符信息，确定所述模板图像和所述测试图像之间的匹配度评估矩阵，包括：根据所述模板图像的特征点的匹配描述符信息和所述测试图像的特征点的匹配描述符信息，确定所述模板图像的特征点和所述测试图像的特征点之间的相似度；以及根据所述模板图像的特征点和所述测试图像的特征点之间的相似度，得到所述模板图像和所述测试图像之间的匹配度评估矩阵。9.根据权利要求6～8中任一项所述的方法，其中，所述根据所述匹配度评估矩阵，确定所述模板图像和所述测试图像之间的变换信息，包括：基于最优传输方法处理所述匹配度评估矩阵，得到分配矩阵；以及根据所述分配矩阵，确定所述模板图像和所述测试图像之间的变换信息。10.根据权利要求1～9中任一项所述的方法，其中，所述根据所述变换信息和所述模板图像的标注信息，得到所述测试图像的标注信息，包括：基于所述变换信息，将所述模板图的标注信息映射至所述测试图像，得到所述测试图像的标注信息。11.根据权利要求1～10中任一项所述的方法，其中，所述模板图像包括与工业产品对应的模板图像；所述测试图像包括与所述工业产品对应的测试图像。12.一种指针表计图像的标注方法，包括：获取目标指针表计图像；以及利用根据权利要求1～11中任一项所述的方法对所述目标指针表计图像进行标注，得到所述目标指针表计图像的标注信息。13.一种深度学习模型的训练方法，包括：获取样本图像，其中，所述样本图像具有标注信息，所述样本图像的标注信息是利用根据权利要求1～11中任一项所述的方法得到的；以及利用所述样本图像和所述样本图像的标注信息训练深度学习模型，得到图像处理模型。14.一种图像处理方法，包括：获取待处理图像；以及将所述待处理图像输入图像处理模型，得到图像处理结果，其中，所述图像处理模型是利用根据权利要求13所述的方法训练的。15.一种图像标注装置，包括：第一确定模块，用于确定测试图像的特征信息，其中，所述特征信息包括特征点的特征点信息和特征点描述符信息；
第二确定模块，用于根据所述测试图像的特征信息和与所述测试图像对应的模板图像的特征信息，确定所述模板图像和所述测试图像之间的变换信息；以及第一获得模块，用于根据所述变换信息和所述模板图像...

【专利技术属性】
技术研发人员：姜楠，聂磊，
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：