【技术实现步骤摘要】
一种图像标注方法、装置、电子设备及存储介质
[0001]本申请涉及图像处理
,特别是涉及一种图像标注方法、装置、电子设备及存储介质。
技术介绍
[0002]随着人工智能技术的发展,神经网络模型在图像处理领域中的应用越来越广泛。在使用神经网络模型进行图像处理之前,需要使用样本图像对神经网络模型进行训练,从而得到具有图像处理功能的图像处理模型。
[0003]为保证使用样本图像对神经网络模型进行训练的效果,在训练之前需要对样本图像进行标注,标注出样本图像中的感兴趣区域,例如,人、车辆、动物等所在的区域。然而,样本图像中的感兴趣区域可能存在重叠,为此,需要提供一种图像标注方案,以能够对存在重叠区域的感兴趣区域进行标注。
技术实现思路
[0004]本申请实施例的目的在于提供一种图像标注方法、装置、电子设备及存储介质,以实现在标注目标存在交集区域的情况下提高标注效率。具体技术方案如下:
[0005]根据本申请实施例的第一方面,提供了一种图像标注方法,所述方法包括:
[0006]识别样本图像中的感兴趣区域;
[0007]获得所识别出的各感兴趣区域的层级;
[0008]针对各感兴趣区域间的每一重叠区域,根据所获得的层级,确定该重叠区域对应的各感兴趣区域中位于最上层的目标区域,标注所述样本图像对应的掩码图像中该重叠区域对应的掩码区域表示所述目标区域。
[0009]可选的,所述方法还包括:
[0010]针对各感兴趣区域的每一非重叠区域,标注所述掩码图像中该非重 ...
【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,所述方法包括:识别样本图像中的感兴趣区域;获得所识别出的各感兴趣区域的层级;针对各感兴趣区域间的每一重叠区域,根据所获得的层级,确定该重叠区域对应的各感兴趣区域中位于最上层的目标区域,标注所述样本图像对应的掩码图像中该重叠区域对应的掩码区域表示所述目标区域。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:针对各感兴趣区域的每一非重叠区域,标注所述掩码图像中该非重叠区域对应的掩码区域表示该非重叠区域所属的感兴趣区域。3.根据权利要求1所述的方法,其特征在于,所述获得所识别出的各感兴趣区域的层级,包括:根据所述样本图像的图像内容,确定各感兴趣区域之间的遮挡关系;根据所确定的遮挡关系,按照遮挡区域的层级低于被遮挡区域的层级的设定方式,获得所识别出的各感兴趣区域的层级。4.根据权利要求3所述的方法,其特征在于,所述根据所获得的层级,确定该重叠区域对应的各感兴趣区域中位于最上层的目标区域,包括:根据所获得的层级,确定该重叠区域对应的各感兴趣区域中层级最小的区域,作为位于最上层的目标区域;或所述根据所述样本图像的图像内容,确定各感兴趣区域之间的遮挡关系,包括:根据所述样本图像的图像内容,获得各感兴趣区域的深度信息;根据所获得的深度信息,确定各感兴趣区域之间的遮挡关系。5.根据权利要求4所述的方法,其特征在于,在所述样本图像为飞行时间TOF相机采集的图像时,所述根据所述样本图像的图像内容,获得各感兴趣区域的深度信息,包括:根据所述样本图像中与各感兴趣区域相对应的区域记录的的深度信息,获得各感兴趣区域的深度信息;或在所述样本图像为双目相机采集的图像时,所述根据所述样本图像的图像内容,获得各感兴趣区域的深度信息,包括:根据所述样本图像中所述双目相机中两相机分别采集的子图像之间的差异,以及两相机间的位置关系,获得各感兴趣区域的深度信息。6.根据权利要求1
‑
5中任一项所述的方法,其特征在于,每一感兴趣区域对应一个掩码表示值,不同感兴趣区域对应的掩码表示值不同;所述标注所述样本图像对应的掩码图像中该重叠区域对应的掩码区域表示所述目标区域,包括:标注所述样本图像对应的掩码图像中该重叠区域对应的掩码区域内各像素点的像素值为所述目标区域对应的掩码表示值;所述标注所述掩码图像中该非重叠区域对应的掩码区域表示该非重叠区域所属的感兴趣区域,包括:标注所述掩码图像中该非重叠区域对应的掩码区域内各像素点的像素值为该非重叠区域所属的感兴趣区域对应的掩码表示值;
或所述方法还包括:获得所识别出的各感兴趣区域的内容描述信息;为所述掩码图像中表示各个感兴趣区域的掩码区域标注各个感兴趣区域的内容描述信息;在标注文件中对应存储表示各个感兴趣区域的掩码区域的位置信息与内容描述信息。7.一种图像标注装置,其特征在于,所述装置包括:区域识别模块,用于识别样本图像中的感兴趣区域;层级获得模块,用于获得所识别出的各感兴趣区域的层级;重叠区域标注模块,用于针对各感兴趣区域间...
【专利技术属性】
技术研发人员:张景,陈杰,刘世杰,操国涛,
申请(专利权)人:杭州海康威视数字技术股份有限公司,
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。