本发明专利技术提供了一种基于多检测模型的自动标注方法、装置、介质及设备，所述方法包括：依据目标标注的类型的需求，从训练后的检测模型中选择多个子模型进行加载，所述类型包括多个类别；将采集的待标注图像分别输入每个所述子模型内，通过所述子模型对所述待标注图像标注后输出2D子检测框；对所有的所述2D子检测框进行过滤及融合后输出所述待标注图像的融合后的2D检测框，其中，所述2D子检测框和所述融合后的2D检测框均包括每个目标的类别、置信度和目标检测框在所述待标注图像内的坐标。本发明专利技术的方法可以解决现有技术中存在的标注效率低、准确度低、误分类和回归不准等问题，大幅度提高了标注的效率及准确性。
【技术实现步骤摘要】
本专利技术属于计算机视觉领域，涉及数据标注技术，具体涉及一种基于多检测模型的自动标注方法、装置、介质及设备。
技术介绍
1、目标检测是计算机视觉领域的核心任务之一，广泛应用于自动驾驶、安防监控等场景，其中数据标注是实现对目标准确检测的关键步骤之一，标注效率和准确性直接影响到检测结果。
2、目前，目标/样本大多采用手动和半自动化的方式进行标注，手动标注是操作人员根据标注规范进行标注，半自动标注是使用半自动标注工具(例如labelgo)对目标进行初步检测后通过操作人员进行手动调整，labelgo工具是一个labelimg与yolov5结合的半自动标注工具，是通过现有的yolov5 pytorch模型对数据集进行半自动标注，然后再手动修改不准确的标注框，该标注方式的效率较人工标注有所提升，但是仍然有待进一步改善。
3、再者，现有半自动标注时目标/样本的类别取决于模型训练时使用的目标/样本类别，当模型训练时使用的类别较多时，一方面会影响标注的精度，另一方面检测模型只有一个会存在较多的误分类与回归不准的问题。
/>技术本文档来自技高网...
【技术保护点】
1.一种基于多检测模型的自动标注方法，其特征在于，包括：
2.根据权利要求1所述的基于多检测模型的自动标注方法，其特征在于，所述依据目标标注的类型的需求，从训练后的检测模型中选择多个子模型进行加载，包括：
3.根据权利要求2所述的基于多检测模型的自动标注方法，其特征在于，所述子模型包括但不限于yolov7模型、DINO模型和efficientdet模型。
4.根据权利要求1所述的基于多检测模型的自动标注方法，其特征在于，所述对所有的所述2D子检测框进行过滤及融合，输出所述待标注图像融合后的2D检测框，包括：
5.根据权利要求1～4任一项所述...
【技术特征摘要】
1.一种基于多检测模型的自动标注方法，其特征在于，包括：
2.根据权利要求1所述的基于多检测模型的自动标注方法，其特征在于，所述依据目标标注的类型的需求，从训练后的检测模型中选择多个子模型进行加载，包括：
3.根据权利要求2所述的基于多检测模型的自动标注方法，其特征在于，所述子模型包括但不限于yolov7模型、dino模型和efficientdet模型。
4.根据权利要求1所述的基于多检测模型的自动标注方法，其特征在于，所述对所有的所述2d子检测框进行过滤及融合，输出所述待标注图像融合后的2d检测框，包括：
5.根据权利要求1～4任一项所述的基于多检测模型的自动标注方法，其...
【专利技术属性】
技术研发人员：侯帅鹏，宗明扬，聂小焜，王小龙，王雅儒，王述良，程建伟，
申请(专利权)人：武汉极目智能技术有限公司，
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。