本申请实施例公开了一种数据处理方法、装置、电子设备以及存储介质。本方法包括：获取待标注图像；获取与所述待标注图像对应的文本标签；将所述待标注图像与所述文本标签输入语义分割模型，并获取所述语义分割模型输出的标注结果图；基于所述待标注图像以及确定的所述标注结果图优化所述语义分割模型，以减少所述语义分割模型输出的标注结果图中人力介入标注的图像占比，得到目标语义分割模型；基于所述目标语义分割模型进行图像数据标注。本方法实现了可以基于标注结果图中人力介入标注的图像占比更少的语义分割模型进行图像数据的标注，一方面可以减少人工标注成本，另一方面可以提升数据处理的效率。以提升数据处理的效率。以提升数据处理的效率。
【技术实现步骤摘要】
数据处理方法、装置、电子设备及存储介质
[0001]本申请涉及数据处理
，更具体地，涉及一种数据处理方法、装置、电子设备以及存储介质。
技术介绍
[0002]语义分割是将标签或类别与图片的每个像素关联的一种深度学习算法。它用来识别构成可区分类别的像素集合。例如，自动驾驶汽车需要识别车辆、行人、交通信号、人行道和其他道路特征。语义分割可用于多种应用场合，比如自动驾驶、医学成像和工业检测等。然而，目前的语义分割算法能力的提升很大程度依赖于人工标注的数据，而语义分割数据的人工手动标注成本高且效率低下，用户体验有待改善。
技术实现思路
[0003]鉴于上述问题，本申请提出了一种数据处理方法、装置、电子设备以及存储介质，以改善上述问题。
[0004]第一方面，本申请实施例提供了一种数据处理方法，所述方法包括：获取待标注图像；获取与所述待标注图像对应的文本标签；将所述待标注图像与所述文本标签输入语义分割模型，并获取所述语义分割模型输出的标注结果图；基于所述待标注图像以及确定的所述标注结果图优化所述语义分割模型，以减少所述语义分割模型输出的标注结果图中人力介入标注的图像占比，得到目标语义分割模型；基于所述目标语义分割模型进行图像数据标注。
[0005]第二方面，本申请实施例提供了一种数据处理装置，所述装置包括：待标注数据获取模块，用于获取待标注图像；文本标签获取模块，用于获取与所述待标注图像对应的文本标签；标注结果图获取模块，用于将所述待标注图像与所述文本标签输入语义分割模型，并获取所述语义分割模型输出的标注结果图；模型优化模块，用于基于所述待标注图像以及确定的所述标注结果图优化所述语义分割模型，以减少所述语义分割模型输出的标注结果图中人力介入标注的图像占比，得到目标语义分割模型；数据处理模块，用于基于所述目标语义分割模型进行图像数据标注。
[0006]第三方面，本申请提供了一种电子设备，包括一个或多个处理器以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述第一方面所述的方法。
[0007]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行上述第一方面所述的方法。
[0008]本申请提供的一种数据处理方法、装置、电子设备以及存储介质，通过获取待标注图像；获取与所述待标注图像对应的文本标签；将所述待标注图像与所述文本标签输入语义分割模型，并获取所述语义分割模型输出的标注结果图；基于所述待标注图像以及确定的所述标注结果图优化所述语义分割模型，以减少所述语义分割模型输出的标注结果图中
人力介入标注的图像占比，得到目标语义分割模型；基于所述目标语义分割模型进行图像数据标注。从而通过上述方式实现了可以基于标注结果图中人力介入标注的图像占比更少的语义分割模型进行图像数据的标注，一方面可以减少人工标注成本，另一方面可以提升数据处理的效率。
附图说明
[0009]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0010]图1示出了本申请一实施例提出的一种数据处理方法的方法流程图。
[0011]图2示出了本申请另一实施例提出的一种数据处理方法的方法流程图。
[0012]图3示出了本申请实施例提供的数据处理方法的示例流程图。
[0013]图4示出了本申请又一实施例提出的一种数据处理方法的方法流程图。
[0014]图5示出了本申请实施例提出的一种数据处理装置的结构框图。
[0015]图6示出了本申请的用于执行根据本申请实施例的一种数据处理方法的电子设备的结构框图。
[0016]图7是本申请实施例的用于保存或者携带实现根据本申请实施例的一种数据处理方法的程序代码的存储单元。
具体实施方式
[0017]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0018]在计算机视觉领域，有一个方向是语义分割，一般是针对图像进行像素级分类。具体而言，语义图像分割就是将每个像素都标注上其对应的类别。由于所有的像素都要考虑到，因此语义图像分割任务也被视为是稠密预测的一种。然而，目前的语义分割算法能力的提升很大程度依赖于人工标注的数据，而语义分割数据的人工手动标注成本高且效率低下，用户体验有待改善。
[0019]为了优化上述问题，专利技术人经过长期的研究，提出了本申请实施例提供的数据处理方法、装置、电子设备以及存储介质，本方法应用于电子设备，本方法可以实现基于标注结果图中人力介入标注的图像占比更少的语义分割模型进行图像数据的标注，一方面可以减少人工标注成本，另一方面可以提升数据处理的效率。
[0020]本申请实施方式中，电子设备的具体类型可以不作限定，例如，可以为手机、平板、PC电脑、智能穿戴手表等类型的电子设备。
[0021]为了便于更好的理解本申请所描述的方案，下面对于本申请实施例描述所涉及的相关术语进行简要说明：
[0022]细粒度图像标签算法(image tagging)：表征输入图像，将以文本形式输出图像中
的对象类别(例如：图像中有一人牵着一条狗，过细粒度图像标签算法后会输出：human、dog)。
[0023]多模态语义分割算法：表征输入图像和文本，算法输出图像中文本对应对象的分割结果，不同对象使用不同颜色标注。
[0024]下面将结合附图具体描述本申请的各实施例。
[0025]请参阅图1，本申请一实施例提供一种数据处理方法，可应用于电子设备，所述方法包括：
[0026]步骤S110：获取待标注图像。
[0027]本申请实施方式中，待标注图像可以理解为未被进行像素级分类标注的图像，待标注图像的类型可以不作限定。待标注图像的来源可以为多种。例如，待标注图像可以为从网络上下载的图像，可以为从特定的无标签数据池(库)读取的图像，也可以为通过电子设备本地拍摄的图像，或者可以为其他设备发送的图像。
[0028]因而，作为一种实施方式，可以从网络上下载待标注图像，或者从特定的无标签数据池(库)读取待标注图像，或者通过电子设备本地拍摄获取待标注图像，或者将其他设备发送的图像获取作为待标注图像。在需要对图像进行语义分割时，可以将待进行语义分割的图像获取作为待标注图像。
[0029]本申请实施方式中，待标注图像为彩色图。在至少一个实施例中，待标注图像也可以为灰度图。为了便于提升对图像进行像素级分类标注时的区分度，若待标注图像为单本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取待标注图像；获取与所述待标注图像对应的文本标签；将所述待标注图像与所述文本标签输入语义分割模型，并获取所述语义分割模型输出的标注结果图；基于所述待标注图像以及确定的所述标注结果图优化所述语义分割模型，以减少所述语义分割模型输出的标注结果图中人力介入标注的图像占比，得到目标语义分割模型；基于所述目标语义分割模型进行图像数据标注。2.根据权利要求1所述的方法，其特征在于，所述获取与所述待标注图像对应的文本标签，包括：将所述待标注图像输入细粒度图像标签算法；获取所述细粒度图像标签算法输出的所述待标注图像中的主体类别信息；将所述主体类别信息作为与所述待标注图像对应的文本标签。3.根据权利要求2所述的方法，其特征在于，所述标注结果图包括满足预设条件的标注结果图，所述基于所述待标注图像以及确定的所述标注结果图优化所述语义分割模型，包括：基于所述待标注图像以及满足预设条件的所述标注结果图优化所述语义分割模型。4.根据权利要求2所述的方法，其特征在于，所述标注结果图包括满足预设条件的标注结果图以及未满足预设条件的标注结果图，所述基于所述待标注图像以及确定的所述标注结果图优化所述语义分割模型，包括：对所述未满足预设条件的标注结果图进行人工标注，得到第一标注结果图；将所述待标注图像以及所述满足预设条件的标注结果图放入第一样本池；将所述待标注图像以及所述第一标注结果图放入第二样本池；将所述第一样本池中的图像与所述第二样本池中的图像放入第三样本池；基于所述第三样本池中的图像优化所述语义分割模型。5.根据权利要求3或4所述的方法，...
【专利技术属性】
技术研发人员：王凡祎，苏婧文，张严浩，刘鹏，
申请(专利权)人：上海瑾盛通信科技有限公司，
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。