用于自动图像标注的方法和程序产品技术

本文描述了与自动图像标注相关联的系统、方法和装置。标注可以基于对象的一个或多个手动标注的第一图像和被训练为从一个或多个第一图像提取第一特征的机器学习(ML)模型来执行。为了自动标注对象的第二未标注图像，ML模型可以用于从第二图像提取第二特征，基于第一特征和第二特征确定可以指示第二图像中的对象的特性的信息，并且使用所确定的信息生成针对第二图像的对象的标注。图像可以从各种源获得，包括例如传感器和/或医学扫描仪，并且感兴趣对象可以包括解剖结构，诸如器官、肿瘤等。带标注图像可以用于包括机器学习的多个目的。标注图像可以用于包括机器学习的多个目的。标注图像可以用于包括机器学习的多个目的。

【技术实现步骤摘要】
用于自动图像标注的方法和程序产品


[0001]本申请涉及人工智能图像分析领域。

技术介绍

[0002]具有标注数据对于机器学习(ML)模型或人工神经网络的训练是至关重要的。当前的数据标注严重依赖于手动工作，并且即使当提供基于计算机的工具时，它们仍然需要大量的人为努力(例如，鼠标点击、拖放等)。这使资源紧张，并且经常导致不充分和/或不准确的结果。因此，非常期望开发使数据标注过程自动化的系统和方法，使得可以获得更多的数据用于ML训练和/或验证。

技术实现思路

[0003]本文描述了与自动图像标注相关联的系统、方法和装置。一种能够执行图像标注任务的设备可以包括一个或多个处理器，其被配置为：获得对象的第一图像和对象的第一标注，并且使用机器学习(ML)模型(例如，经由人工神经网络实施)和第一标注来从第一图像确定多个第一特征(例如，第一特征向量)。第一标注可以利用人为干预(例如，至少部分地)生成，并且可以例如通过标注掩模来识别第一图像中的对象。设备的一个或多个处理器还可被配置为获得对象的第二未标注图像，并且使用ML模型从第二图像确定多个第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于自动标注图像的方法，所述方法包括：获得对象的第一图像和所述对象的第一标注，其中，所述第一标注识别所述第一图像中的所述对象；使用机器学习(ML)模型和所述对象的所述第一标注来从所述第一图像确定多个第一特征；获得所述对象的第二图像；使用所述ML模型从所述第二图像确定多个第二特征；以及基于所述多个第一特征和所述多个第二特征来生成所述对象的第二标注，其中，所述第二标注识别所述第二图像中的所述对象。2.根据权利要求1所述的方法，其中，所述第一标注是利用人为干预生成的，并且其中，所述第二标注是在没有人为干预的情况下生成的。3.根据权利要求2所述的方法，其中，还包括：提供用于生成所述第一标注的用户界面。4.根据权利要求1所述的方法，其中，使用所述ML模型和所述对象的所述第一标注从所述第一图像确定所述多个第一特征包括：基于所述第一标注将相应权重应用于所述第一图像的像素以获得加权图像数据，以及使用所述ML模型基于所述加权图像数据提取所述多个第一特征，或使用所述ML模型和所述对象的所述第一标注从所述第一图像确定所述多个第一特征包括：使用所述ML模型从所述第一图像获得初步特征，基于所述第一标注将相应权重应用于所述初步特征以获得经加权初步特征，以及...

【专利技术属性】
技术研发人员：郑梦，刘钦，斯里克里希纳，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：