一种数据标注方法及相关产品技术

本申请公开了一种数据标注方法及相关产品，属于数据处理技术领域。该方法包括：获得目标图像中包含的目标对象的第一边缘线和第二边缘线；第一边缘线和第二边缘线不同；根据第一边缘线，得到目标对象的第一轮廓；利用第二边缘线对第一轮廓的边缘线进行修正，得到目标对象的第二轮廓。本方法通过提出基于预选框的深度学习方法对目标图像中的目标对象进行边缘检测，得到目标对象的第一轮廓，再引入弱语义信息将对目标对象的第一轮廓的边缘点的修正转化为对目标对象的第一轮廓的边缘线的修正，修正得到目标对象的第二轮廓，可以大大提高标注结果的准确率及效率。高标注结果的准确率及效率。高标注结果的准确率及效率。

【技术实现步骤摘要】
一种数据标注方法及相关产品


[0001]本申请涉及数据处理
，尤其涉及一种数据标注方法及相关产品。

技术介绍

[0002]标签是一种用来描述业务实体特征的数据形式，通过标签可以对业务实体进行刻画，从多角度反映业务实体的特征。标签可以由数据标注得到，数据标注是通过数据标注人员借助标记工具对数据进行标注的行为。数据标注的类型包括：图像标注、语音标注、文本标注等。其中，图像标注可应用于人脸识别以及自动驾驶车辆识别等应用场景中。数据标注人员需要对不同的目标标记物用不同的颜色进行轮廓标记，然后对相应的轮廓打标签，用标签来概述轮廓内的目标标记物，以便让模型能够自动识别图像中的不同标记物。随着基于数据驱动的图像处理技术在各个领域获得广泛使用，越来越多的应用场景需要使用标签来自动识别图像中包含的不同标记物。而标签需要通过数据标注得到，因此，如何优化数据标注的准确率和效率至关重要。
[0003]目前，通常采用交互式图像分割标注的方法进行数据标注。具体为，人工给定初始区域，利用分割算法在初始区域中对目标对象进行分割，得到目标对象的边缘点，进而通过修正边缘点来修正对目标对象的分割结果。
[0004]但是，上述标注方法需要人工对边缘点逐一修正，耗时耗力，且标注结果的准确率及效率较低。

技术实现思路

[0005]本申请实施例提供了一种数据标注方法及相关产品，通过提出基于预选框的深度学习方法对目标图像中的目标对象进行边缘检测，得到目标对象的第一轮廓，再引入弱语义信息将对目标对象的第一轮廓的边缘点的修正转化为对目标对象的第一轮廓的边缘线的修正，修正得到目标对象的第二轮廓，可以大大提高标注结果的准确率及效率。
[0006]第一方面，本申请实施例提供了一种数据标注方法，该方法包括：
[0007]获得目标图像中包含的目标对象的第一边缘线和第二边缘线；所述第一边缘线和所述第二边缘线不同；
[0008]根据所述第一边缘线，得到所述目标对象的第一轮廓；
[0009]利用所述第二边缘线对所述第一轮廓的边缘线进行修正，得到所述目标对象的第二轮廓。
[0010]本申请实施例中，通过对目标图像做不同的处理，可以得到目标图像中包含的目标对象的不同边缘线，比如第一边缘线和第二边缘线。然后基于第一边缘线对目标对象进行初标，得到目标对象的第一轮廓。再利用第二边缘线对初标得到的第一轮廓的边缘线进行修正，得到目标对象的第二轮廓。
[0011]目前的数据标注方法，通常分割算法对目标对象进行分割，得到目标对象的边缘点，进而通过修正边缘点来修正目标对象的轮廓。因此，需要人工对边缘点逐一修正，耗时
耗力，且标注结果的准确率及效率较低。
[0012]本申请实施例提供的数据标注方法，与目前常用的数据标注方法相比，采用第一边缘线对目标对象进行初标，再利用第二边缘线对初标得到的第一轮廓的边缘线进行修正，从而将对目标对象的第一轮廓的边缘点的修正转化为对目标对象的第一轮廓的边缘线的修正，修正得到目标对象的第二轮廓，可以大大提高标注结果的准确率及效率。
[0013]在一种可能的实施方式中，所述利用所述第二边缘线对所述第一轮廓的边缘线进行修正，包括：
[0014]将所述第二边缘线与所述第一轮廓的边缘线构成的轮廓，确定为所述第二轮廓。
[0015]在本申请实施例中，提供了一种利用第二边缘线对第一轮廓的边缘线进行修正的可能的实施方式。将第二边缘线与第一轮廓的边缘线构成的轮廓，确定为目标对象的第二轮廓，该修正方法提高了标注结果的准确率及效率。
[0016]在一种可能的实施方式中，所述获得目标图像中包含的目标对象的第一边缘线和第二边缘线之前，所述方法还包括：
[0017]对所述目标图像做分割处理，得到所述目标对象的第一边缘点；所述分割处理用于将所述目标图像中包含的所述目标对象分离出来；
[0018]对所述目标对象做边缘检测，得到所述目标对象的第二边缘点；所述边缘检测用于将所述目标对象的边缘分离出来；
[0019]所述获得目标图像中包含的目标对象的第一边缘线和第二边缘线，包括：
[0020]根据所述第一边缘点和所述第二边缘点，确定所述第一边缘线和所述第二边缘线。
[0021]在本申请实施例中，提供了一种获得目标图像中包含的目标对象的第一边缘线和第二边缘线的可能的实施方式。即在确定目标对象的第一边缘线和第二边缘线之前，先通过对目标图像做分割处理，将目标图像中的目标对象分离出来，以得到目标对象的第一边缘点。此处的分割处理包括基于非深度学习的图像分割方法(如基于分水岭算法、图论的分割方法等)与基于深度学习的图像分割方法，两者的主要差别是基于深度学习的图像分割方法需要使用到卷积神经网络。在将目标图像中的目标对象分离出来之后，再对该目标对象做边缘检测，将该目标对象的边缘分离出来，得到目标对象的第二边缘点。此处的边缘检测包括基于非预选框深度学习的边缘检测与基于预选框深度学习的边缘检测，两者的区别在于是否使用到预选框，基于预选框深度学习的边缘检测不是检测目标图像上的像素点是否为边缘点，而是检测每一个预选框对应的边缘点的位置及类别。上述第一边缘点和第二边缘点虽然都是目标对象的边缘点，但是通过对目标对象采取不同的方式得到的边缘点，因此，上述第一边缘点和第二边缘点不完全相同。根据第一边缘点和第二边缘点，可以确定上述目标对象的第一边缘线和第二边缘线。由于上述第一边缘点和第二边缘点不完全相同，相应的，据此得到的第一边缘线和第二边缘线也不完全相同。
[0022]通过本申请实施例所提供的获得第一边缘线和第二边缘线的实施方式，可以提高获取到的目标对象的边缘线的精度，且有利于后续将对目标对象的第一轮廓的边缘点的修正转化为对目标对象的第一轮廓的边缘线的修正，提高标注结果的准确率及效率。
[0023]在一种可能的实施方式中，所述根据所述第一边缘点和所述第二边缘点，确定所述第一边缘线和所述第二边缘线，包括：
[0024]根据所述第一边缘点和所述第二边缘点，得到所述第一边缘线；所述第一边缘线上的点为所述第一边缘点和所述第二边缘点重合的边缘点；
[0025]根据所述第一边缘点、所述第二边缘点以及所述第一边缘线，得到所述第二边缘线。
[0026]在本申请实施例中，提供了一种根据第一边缘点和第二边缘点确定第一边缘线和第二边缘线的可能的具体实施方式。将第一边缘点和第二边缘点重合的边缘点所构成的线确定为第一边缘线，即该第一边缘线均位于上述分割处理和边缘检测得到的边缘结果上，上述分割处理和边缘检测均可得到该第一边缘线。再根据第一边缘点、第二边缘点以及上述第一边缘线，确定第二边缘线。本申请实施例得到的第一边缘线和第二边缘线的精度更高，据此标注的结果准确率及效率也更高。
[0027]在一种可能的实施方式中，所述根据所述第一边缘点、所述第二边缘点以及所述第一边缘线，得到所述第二边缘线，包括：
[0028]根据所述第一边缘点和所述第二边缘点，得到第三边缘线；所述第三边缘线上的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据标注方法，其特征在于，包括：获得目标图像中包含的目标对象的第一边缘线和第二边缘线；所述第一边缘线和所述第二边缘线不同；根据所述第一边缘线，得到所述目标对象的第一轮廓；利用所述第二边缘线对所述第一轮廓的边缘线进行修正，得到所述目标对象的第二轮廓。2.根据权利要求1所述的方法，其特征在于，所述利用所述第二边缘线对所述第一轮廓的边缘线进行修正，包括：将所述第二边缘线与所述第一轮廓的边缘线构成的轮廓，确定为所述第二轮廓。3.根据权利要求1或2所述的方法，其特征在于，所述获得目标图像中包含的目标对象的第一边缘线和第二边缘线之前，所述方法还包括：对所述目标图像做分割处理，得到所述目标对象的第一边缘点；所述分割处理用于将所述目标图像中包含的所述目标对象分离出来；对所述目标对象做边缘检测，得到所述目标对象的第二边缘点；所述边缘检测用于将所述目标对象的边缘分离出来；所述获得目标图像中包含的目标对象的第一边缘线和第二边缘线，包括：根据所述第一边缘点和所述第二边缘点，确定所述第一边缘线和所述第二边缘线。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一边缘点和所述第二边缘点，确定所述第一边缘线和所述第二边缘线，包括：根据所述第一边缘点和所述第二边缘点，得到所述第一边缘线；所述第一边缘线上的点为所述第一边缘点和所述第二边缘点重合的边缘点；根据所述第一边缘点、所述第二边缘点以及所述第一边缘线，得到所述第二边缘线。5.根据权利要求4所述的方法，其特征在于，所述根据所述第一边缘点、所述第二边缘点以及所述第一边缘线，得到所述第二边缘线，包括：根据所述第一边缘点和所述第二边缘点，得到第三边缘线；所述第三边缘线上的点为所述第一边缘点或所述第二边缘点，且不为所述第一边缘点和所述第二边缘点重合的边缘点；将与所述第一边缘线有两个或两个以上的交点的所述第三边缘线，确定为所述第二边缘线。6.根据权利要求3至5中任一项所述的方法，其特征在于，所述对所述目标对象做边缘检测，得到所述目标对象的第二边缘点，包括：根据所述目标对象的边缘线上的边缘点的位置，确定所述目标对象的标签；根据所述目标对象的标签，调整所述目标对象的边缘线上的边缘点，得到所述第二边缘点。7.根据权利要求6所述的方法，其特征在于，所述根据所述目标对象的边缘线上的边缘点的位置，确定所述目标对象的标签，包括：在位于第一标签上的边缘点个数大于位于第二标签上的边缘点个数的情况下，将所述第一标签确定为所述目标对象的标签；或者，在位于所述第一标签上的边缘点个数小于位于所述第二标签上的边缘点个数的
情况下，将所述第二标签确定为所述目标对象的标签；或者，在位于所述第一标签上的边缘点个数等于位于所述第二标签上的边缘点个数的情况下，根据所述第一标签的关键度和所述第二标签的关键度，确定所述目标对象的标签。8.根据权利要求3至7中任一项所述的方法，其特征在于，所述对所述目标图像做分割处理，得到所述目标对象的第一边缘点，包括：将所述目标图像输入至卷积神经网络中做所述分割处理，得到所述第一边缘点。9.一种数据标注装置，其特征在于，包括：确定单元，用于获得目标图像中包含的目标对象的第一边缘线和第二边缘线；所述第一边缘线和所述第二边缘线不同；所述确定单元，还用于根据所述第一边缘线，得到所述目标对象的第一轮廓；修正单元，用于利用所述第二边缘线对所述第一轮廓的边缘线进行修正，得到所述目标对象的第二轮廓。10.根据权利要求9所述的装置，其特征在于，所述修正单元，具体用于将所述第二...

【专利技术属性】
技术研发人员：晋周南，陈浩，李在旺，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：