本发明专利技术提出了一种数据标注方法和图像处理方法
【技术实现步骤摘要】
数据标注方法和图像处理方法、装置、介质、程序产品
[0001]本专利技术涉及图像处理
,具体而言,涉及一种数据标注方法和图像处理方法
、
装置
、
介质
、
程序产品
。
技术介绍
[0002]随着深度学习的在各个领域中的日益普及,图像数据标注成为一种新的服务业务,图像数据标注是指对图像中不同类别的区域进行区分标注,例如,将一张图像中的不同物体打上不同的标签
。
但现有的数据标注方法存在精确度低,效率较低等技术问题
。
技术实现思路
[0003]本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一
。
[0004]为此,本专利技术的第一个方面在于提出一种数据标注方法
。
[0005]本专利技术的第二个方面在于提出一种图像处理方法
。
[0006]本专利技术的第三个方面在于提出一种数据标注装置
。
[0007]本专利技术的第四个方面在于提出一种图像处理装置
。
[0008]本专利技术的第五个方面在于提出另一种数据标注装置
。
[0009]本专利技术的第六个方面在于提出另一种图像处理装置
。
[0010]本专利技术的第七个方面在于提出一种可读存储介质
。
[0011]本专利技术的第八个方面在于提出一种计算机程序产品
。
[0012]有鉴于此,根据本专利技术的第一个方面,提出了一种数据标注方法,数据标注方法包括:获取第一数据集合,对第一数据集合进行语义识别,以得到第一数据集合的语义特征集合;根据第一数据集合对应的数据模板和语义特征集合,对第一数据集合进行数据分类处理,以得到第二数据集合;对第二数据集合进行数据过滤处理,以得到训练数据集
。
[0013]本技术方案中的数据标注方法通过识别第一数据集合的语义,确定第一数据集合对应的语义特征集合,再根据数据模板,对语义特征集合进行分类,进而将第一数据集合分类为第二数据集合,对第二数据集合进行数据过滤处理,将第二数据集合中有效数据打包为训练数据集,大幅度提升了数据的标注效率,节省了大量的人工成本,同时保证了训练数据集的数据准确性,进而保证了由训练数据集训练的模型的准确性
。
[0014]根据本专利技术的第二个方面,提出了一种图像处理方法,图像处理方法包括:获取由上述任一技术方案中的数据标注方法确定的训练数据集,根据训练数据集,创建动作识别模型;获取待识别对象的图像数据,通过动作识别模型,对图像数据进行识别处理,以得到待识别对象的动作
。
[0015]本技术方案中的图像处理方法根据训练数据集,进行模型训练,得到动作识别模型,通过动作识别模型,对图像数据进行动作识别,进而确定待识别对象的动作,保证了动作识别模型的模型准确性,进而保证了对于待识别对象动作的识别准确性,同时提升了对于待识别对象动作的识别效率
。
[0016]根据本专利技术的第三个方面,提出了一种数据标注装置,数据标注装置包括:第一处理模块,用于获取第一数据集合,对第一数据集合进行语义识别,以得到第一数据集合的语义特征集合;第一处理模块,还用于根据第一数据集合对应的数据模板和语义特征集合,对第一数据集合进行数据分类处理,以得到第二数据集合;第一处理模块,还用于对第二数据集合进行数据过滤处理,以得到训练数据集
。
[0017]本技术方案中的数据标注装置通过识别第一数据集合的语义,确定第一数据集合对应的语义特征集合,再根据数据模板,对语义特征集合进行分类,进而将第一数据集合分类为第二数据集合,对第二数据集合进行数据过滤处理,将第二数据集合中有效数据打包为训练数据集,大幅度提升了数据的标注效率,节省了大量的人工成本,同时保证了训练数据集的数据准确性,进而保证了由训练数据集训练的模型的准确性
。
[0018]根据本专利技术的第四个方面,提出了一种图像处理装置,图像处理装置包括:第二处理模块,用于获取由上述任一技术方案中的数据标注方法确定的训练数据集,根据训练数据集,创建动作识别模型;第二处理模块,还用于获取待识别对象的图像数据,通过动作识别模型,对图像数据进行识别处理,以得到待识别对象的动作
。
[0019]本技术方案中的图像处理装置根据训练数据集,进行模型训练,得到动作识别模型,通过动作识别模型,对图像数据进行动作识别,进而确定待识别对象的动作,保证了动作识别模型的模型准确性,进而保证了对于待识别对象动作的识别准确性,同时提升了对于待识别对象动作的识别效率
。
[0020]根据本专利技术的第五个方面,提出了一种数据标注装置,包括处理器和存储器,存储器中存储有程序或指令,该程序或指令被处理器执行时实现如上述任一技术方案中的数据标注方法的步骤
。
因此,该数据标注装置具备上述任一技术方案中的数据标注方法的全部有益效果,在此不再赘述
。
[0021]根据本专利技术的第六个方面,提出了一种图像处理装置,包括处理器和存储器,存储器中存储有程序或指令,该程序或指令被处理器执行时实现如上述任一技术方案中的图像处理方法的步骤
。
因此,该图像处理装置具备上述任一技术方案中的图像处理方法的全部有益效果,在此不再赘述
。
[0022]根据本专利技术的第七个方面,提出了一种可读存储介质,其上存储有程序或指令,程序或指令被处理器执行时实现如上述任一技术方案中的数据标注方法或上述任一技术方案中的图像处理方法的步骤
。
因此,该可读存储介质具备上述任一技术方案中的数据标注方法或上述任一技术方案中的图像处理方法的全部有益效果,在此不再赘述
。
[0023]根据本专利技术的第八个方面,提出了一种计算机程序产品,包括计算机指令,计算机指令被处理器执行时实现如上述任一技术方案中的数据标注方法或上述任一技术方案中的图像处理方法的步骤
。
因此,该可读存储介质具备上述任一技术方案中的数据标注方法或上述任一技术方案中的图像处理方法的全部有益效果,在此不再赘述
。
[0024]本专利技术的附加方面和优点将在下面的描述部分中变得明显,或通过本专利技术的实践了解到
。
附图说明
[0025]本专利技术的上述和
/
或附加的方面和优点从结合下面附图对实施例的描述中将变得
明显和容易理解,其中:
[0026]图1示出了本专利技术的实施例中的数据标注方法的流程示意图之一;
[0027]图2示出了本专利技术的实施例中的数据标注方法的流程示意图之二;
[0028]图3示出了本专利技术的实施例中的数据标注方法的流程示意图之三;
[0029]图4示出了本专利技术的实施例中的数据标注方法的流程示意图之四;
[0030]图5示出了本专利技术的实施例中的数据标注方法的流程示意图之五;
[0031]图6示出了本专利技术的实施例中的图像处理方法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种数据标注方法,其特征在于,所述数据标注方法包括:获取第一数据集合,对所述第一数据集合进行语义识别,以得到所述第一数据集合的语义特征集合,所述语义特征集合用于表示所述第一数据集合的数据内容;根据所述第一数据集合对应的数据模板和所述语义特征集合,对所述第一数据集合进行数据分类处理,以得到第二数据集合,所述数据模板为包含预设数据的模板,所述第二数据集合为包含多类语义特征的数据集合;对所述第二数据集合进行数据过滤处理,以得到训练数据集
。2.
根据权利要求1所述的数据标注方法,其特征在于,所述对所述第一数据集合进行语义识别,以得到所述第一数据集合的语义特征集合,包括:获取所述第一数据集合对应的语义识别模型,通过所述语义识别模型,识别所述第一数据集合的所述语义特征集合
。3.
根据权利要求1所述的数据标注方法,其特征在于,所述根据所述第一数据集合对应的数据模板和所述语义特征集合,对所述第一数据集合进行数据分类处理,以得到第二数据集合,包括:根据所述数据模板,对所述语义特征集合进行特征分类,以得到多个语义特征组,所述语义特征组为包含相同语义特征的数据组;根据所述多个语义特征组,对所述第一数据集合中的数据进行数据分类,以得到所述第二数据集合
。4.
根据权利要求1所述的数据标注方法,其特征在于,所述对所述第二数据集合进行数据过滤处理,以得到训练数据集,包括:根据所述第二数据集合对应的数据阈值,去除所述第二数据集合中的无效数据,以得到第三数据集合;对所述第三数据集合进行数据整合处理,以得到所述训练数据集
。5.
根据权利要求1至4中任一项所述的数据标注方法,其特征在于,所述获取第一数据集合,包括:获取原始数据,对所述原始数据进行对象识别,以得到第四数据集合;对所述第四数据集合进行数据分割处理,...
【专利技术属性】
技术研发人员:庄瑞炎,陈招基,石弦韦,柴国梁,梁文生,黄雪茵,张东奇,李莹,梁广宇,储晶晶,谭颖聪,高杰文,
申请(专利权)人:美的集团股份有限公司,
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。