一种图像标注方法、装置及计算机存储介质。方法包括：获取图像序列中的多个图像，其中，多个图像中的每个图像均检测到对象；对多个图像中的各个图像中的对象进行目标跟踪，确定图像组，图像组中的各图像均包含目标对象；从图像组中选择代表图像；基于代表图像中的目标对象的目标属性的代表属性值，对图像组中其余图像中的目标对象，进行该目标属性的属性值标注，其中，目标属性拥有一个或者多个属性值。该技术方案，可自动的从图像序列识别出不同对象，基于该对象的代表图像实现对该对象的所有图像的标注，无需基于手动标注进行模型训练，提高了图像标注的效率，同时考虑到代表图像的信息准确性的优势，能够确保图像标注的准确性。性。性。
【技术实现步骤摘要】
图像标注方法、装置及计算机存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种图像标注方法、装置及计算机存储介质。
技术介绍
[0002]随着深度学习模型在生产生活中的广泛应用，众多的应用场景对深度学习模型的性能要求越来越高。由于深度学习智能模型较为复杂，通常需要利用数量巨大且高质量的标注数据进行训练才能得到较为理想的模型参数，换言之，在某种程度上标注数据的质量决定了深度学习智能模型的质量。
[0003]目前，主要通过对视频进行关键帧抽取以获得图像，对部分图像手动标注，生成手动标注信息，并用于模型训练；使用训练好的模型对剩余待标图像进行自动标注，确定预标注信息；对预标注信息进行手动复检修正，生成最终标注信息。
[0004]但是，上述方法需要基于手动标注进行模型训练，导致图像标注的效率较低。
技术实现思路
[0005]本专利技术实施例提供了一种图像标注方法、装置、计算机存储介质及电子设备，自动的从图像序列识别出不同对象，基于该对象的代表图像实现对该对象的所有图像的标注，无需基于手动标注进行模型训练，提高了图像标注的效率，同时考虑到代表图像的信息准确性的优势，能够确保图像标注的准确性。
[0006]第一方面，本专利技术实施例提供了一种图像标注方法，包括：获取待标注的具有时空联系的图像序列；获取图像序列中的多个图像，其中，多个图像中的每个图像均检测到对象；对多个图像中的各个图像中的对象进行目标跟踪，确定图像组，图像组中的各图像包含目标对象；从图像组中选择代表图像；基于代表图像中的目标对象的目标属性的代表属性值，对图像组中其余图像中的目标对象，进行目标属性的属性值标注，其中，目标对象拥有包括目标属性在内的一个或者多个属性，目标属性拥有一个或者多个属性值。
[0007]本专利技术实施例中，自动的从图像序列识别出不同对象，基于该对象的代表图像实现对该对象的所有图像的标注，无需基于手动标注进行模型训练，提高了图像标注的效率，同时考虑到代表图像的信息准确性的优势，能够确保图像标注的准确性。
[0008]在一种可能的实现方式中，获取拍摄装置采集到的图像集，从图像集中确定相同拍摄装置采集的连续的多个图像以形成图像序列。
[0009]在一种可能的实现方式中，获取拍摄装置采集到的视频，基于取帧频率对视频进行抽帧以得到多个视频帧，按照拍摄时间顺序对多个视频频进行排序以形成图像序列。
[0010]上述二种实现方式中，通过确定具有时空联系的多个图像以形成图像序列，从而确保图像序列中图像的紧密关联，使得同一对象在不同图像之间的信息的差异较小，进而确保代表图像能够代表该对象在不同图像的可能的情况，确保图像标注的准确性。
[0011]在一种可能的实现方式中，代表图像中目标对象的清晰度大于图像组中代表图像
之外的其余图像中的目标对象的清晰度。
[0012]该实现方式中，通过选择清晰度较高的图像作为代表图像，从而确保代表图像中的信息能够更为准确的体现出实际情况，确保图像标注的准确性。
[0013]在一种可能的实现方式中，代表图像中目标对象的完整度大于图像组中代表图像之外的其余图像中目标对象的完整度。
[0014]该实现方式中，通过选择完整度较高的图像作为代表图像，从而确保代表图像的信息能够更为准确的体现出实际情况，确保图像标注的准确性。
[0015]在一种可能的实现方式中，代表图像的数量为多个；图像组中的每个代表图像中目标对象的目标属性的代表属性值相同。
[0016]在一种可能的实现方式中，代表图像的数量为多个；图像组中的部分代表图像的目标对象的目标属性的代表属性值相同，目标属性的不同的代表属性值各自对应的目标对象所在的代表图像不同。
[0017]本实现方式中，通过考虑到了对象在不同代表图像的情况，从而获取更为准确的代表属性值，确保图像标注的准确率。
[0018]在一种可能的实现方式中，基于代表图像中的目标对象的目标属性的代表属性值，对图像组中其余图像中的目标对象，进行目标属性的属性值标注，包括：对于其余图像中的每个图像，判断图像中的目标对象的属性的代表属性值和代表图像中的目标对象的属性的代表属性值是否匹配，若匹配，则将代表图像中的目标对象的属性的代表属性值标注到图像中的目标对象。
[0019]本实现方式中，通过对代表图像中的对象的属性的属性值和图像中的该对象的属性的属性值的比对，充分考虑到了代表图像和图像之间的差异，在属性值相似或相同的情况下，基于代表图像的该对象的属性的属性值实现标注，确保图像标注的准确率。
[0020]在一种可能的实现方式中，其余图像中的目标对象的目标属性被标注的属性值相同。
[0021]在一种可能的实现方式中，其余图像中的部分图像的目标对象的该属性被标注的属性值相同，目标属性的不同的属性值各自被标注在的目标对象所在的图像不同。
[0022]本实现方式中，通过对象的代表图像实现对对象的其余图像的标注，充分考虑到了代表图像的信息准确性的优势，从而确保图像标注的准确率。
[0023]在一种可能的实现方式中，图像序列中的每个图像通过多个检测模型判断是否存在对象。
[0024]本实现方式中，通过多个检测模型实现检测正，从而能够较为准确的检测出图像中的对象。
[0025]第二方面，本专利技术实施例提供了一种图像标注装置，包括：序列获取模块，用于获取待标注的具有时空联系的图像序列；图像获取模块，用于获取图像序列中的多个图像，其中，多个图像中的每个图像均检测到对象；跟踪模块，用于对多个图像中的各个图像中的对象进行目标跟踪，确定图像组，图像组中的各图像均包含目标对象；选择模块，用于从图像组中选择代表图像；标注模块，用于基于代表图像中的目标对象的目标属性的代表属性值，对图像组中其余图像中的目标对象，进行目标属性的属性值标注，其中，目标对象拥有包括目标属性在内的一个或者多个属性，目标属性拥有一个或者多个属性值。
[0026]在一种可能的实现方式中，代表图像的数量为多个；图像组中的每个代表图像中目标对象的目标属性的代表属性值相同。
[0027]在一种可能的实现方式中，代表图像的数量为多个；图像组中的部分代表图像的目标对象的目标属性的代表属性值相同，目标属性的不同的代表属性值各自所属的目标对象所在的代表图像不同。
[0028]在一种可能的实现方式中，其余图像中的目标对象的目标属性被标注的属性值相同。
[0029]在一种可能的实现方式中，其余图像中的部分图像的目标对象的该属性被标注的属性值相同，目标属性的不同的属性值各自被标注在的目标对象所在的图像不同。
[0030]第三方面，本专利技术实施例提供了一种图像标注装置，包括至少一个处理器，处理器用于执行存储器中存储的指令，以使得终端执行如第一方面各个可能实现的实施例。
[0031]第四方面，本专利技术实施例提供了一种计算机存储介质，其上存储有计算机程序，当计算机程序在计算机中执行时，令计算机执行如第一方面各个可能实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像标注方法，其特征在于，包括：获取待标注的具有时空联系的图像序列；获取所述图像序列中的多个图像，其中，所述多个图像中的每个图像均检测到对象；对所述多个图像中的各个图像中的对象进行目标跟踪，确定图像组，所述图像组中的各图像均包含目标对象；从所述图像组中选择代表图像；基于所述代表图像中所述目标对象的目标属性的代表属性值，对所述图像组中其余图像中的所述目标对象，进行所述目标属性的属性值标注，其中，所述目标对象拥有包括所述目标属性在内的一个或者多个属性，所述目标属性拥有一个或者多个属性值。2.根据权利要求1所述的方法，其特征在于，所述获取待标注的具有时空联系的图像序列，包括：获取拍摄装置采集到的图像集，从所述图像集中确定相同拍摄装置采集的连续的多个图像以形成所述图像序列；或，获取拍摄装置采集到的视频，基于取帧频率对所述视频进行抽帧以得到多个视频帧，按照拍摄时间顺序对所述多个视频频进行排序以形成所述图像序列。3.根据权利要求1所述的方法，其特征在于，所述代表图像中所述目标对象的清晰度大于所述其余图像中的所述目标对象的清晰度；或所述代表图像中所述目标对象的完整度大于所述其余图像中的所述目标对象的完整度。4.根据权利要求1所述的方法，其特征在于，所述代表图像的数量为多个；每个所述代表图像中的所述目标对象的所述目标属性的代表属性值相同；或者，部分所述代表图像中的所述目标对象的所述目标属性的代表属性值相同，所述目标属性的不同的所述代表属性值各自对应的目标对象所在的代表图像不同。5.根据权利要求1所述的方法，其特征在于，所述基于所述代表图像中的所述目标对象的目标属性的代表属性值，对所述图像组中其余图像中的所述目标对象，进行所述目标属性的属性值标注，包括：对于所述其余图像中的每个图像，判断所述图像中的所述目标对象的所述目标属性的代表属性值，和所述代表图像中的所述目标对象的所述目标属性的代表属性值是否匹配，若匹配，则将所述代表图像中的所述目标对象的所述目标属性的代表属性值标注到所述图像中的所述目标对象。6.根据权利要求1所述的方法，其特征在于，所述其余图像...
【专利技术属性】
技术研发人员：毛霆，马俊凯，张嘉恒，
申请(专利权)人：华为技术有限公司，
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。