图片的标注方法、装置、电子设备及存储介质制造方法及图纸

本申请提供的一种图片的标注方法、装置、电子设备及存储介质，通过获取标注任务，将待标注图片输入到预设模型中确定所述待标注图片的第一标注信息，得到初始标注图片；将所述初始标注图片输出给所述标注任务对应的目标用户，以使目标用户对所述初始标注图片进行标注；获取所述目标用户对所述初始标注图片的第二标注信息，得到标注图片，通过预设模型对图片进行预标注，然后在人工进行标注，提高了标注效率。注效率。注效率。

【技术实现步骤摘要】
图片的标注方法、装置、电子设备及存储介质


[0001]本申请涉及检测
，特别地涉及一种图片的标注方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，由于深度学习技术的发展，越来越多的工厂采用基于深度学习的缺陷识别算法来检测产品缺陷，为了达到较高的准确率，往往需要进行大量的图片样本标注，并以此为载体对模型训练与调优。传统的标注方法为用户对图片从零开始标注，肉眼从图片中找到异常区域，而这往往需要大量的时间，并且容易造成漏标注的情况，另外，无法多人协作标注，管理者需要为每个人分配独立的图片文件，且无法实时监控标注进度，这降低了标注效率并提升了管理成本。标注结果难以分类管理，每个用户的标注信息都存于用户机器上，训练前需将各个用户的标注结果导出汇总，若存在多个项目，且每个项目有多个版本，很容易造成标注结果混乱的情况。

技术实现思路

[0003]针对上述问题，本申请提供一种图片的标注方法、装置、电子设备及存储介质，能够提高标注效率。
[0004]本申请实施例提供一种图片的标注方法，包括：
>[0005]获取标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片的标注方法，其特征在于，包括：获取标注任务，所述标注任务中包括：待标注图片；将所述待标注图片输入到预设模型中确定所述待标注图片的第一标注信息，得到初始标注图片；将所述初始标注图片输出给所述标注任务对应的目标用户，以使目标用户对所述初始标注图片进行标注；获取所述目标用户对所述初始标注图片的第二标注信息，得到标注图片。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：根据所述目标用户对所述初始标注图片的第二标注信息，确定所述目标用户的标注进度；输出所述标注进度和第二标注信息。3.根据权利要求1所述的方法，其特征在于，所述第一标注信息包括：区域及所述区域对应的缺陷类别，所述预设模型包括：主干网络、特征金字塔网络、区域建议网络、全连接层和掩膜分支，所述主干网络用于提取所述待标注图片的特征图，所述特征金字塔网络用于对所述特征图进行上采样和横向连接得到特征图集合，所述区域建议网络用于提取所述特征图集合中特征图中的候选区域，并将各个候选区域与所述特征图集合中特征图进行对应，并对所述候选区域进行像素对齐，所述全连接层用于基于所述特征向量对候选区域进行分类处理和回归处理，得到各个候选区域的缺陷类别概率值；所述掩膜分支用于确定各个候选区域的缺陷类别的置信度，并基于置信度确定各个候选区域的缺陷类别。4.根据权利要求3所述的方法，其特征在于，所述区域建议网络为RPN网络，RPN网络包括回归层和分类层，RPN网络的损失函数包括：其中，p
i
为第i个锚点框的预测概率，g
i
第i个锚点框的标签，γ为固定参数，RPN网络的分类层的损失函数计算公式包括：L
cls
(p
i
，g
i
)＝
‑
log[p
i
g
i
+(1
‑
g
i
)(1
‑
p
i
)]；RPN网络的回归层的损失函数计算公式包括：其中，c
i
＝{cx，cy，cw，ch}表示预测候选区域的中心坐标、宽和高的修正参数，c
i
′
为候选区域相对于真实缺陷区域的最小外接矩形的真实修正参数，选区域相对于真实缺陷区域的最小外接矩形的真实修正参数，其中，x
’
、y
’
为...

【专利技术属性】
技术研发人员：陈明坤，陈宇，
申请(专利权)人：厦门亿荟物联信息科技有限公司，
类型：发明
国别省市：