【技术实现步骤摘要】
本申请实施例涉及图像处理，尤其涉及一种图像标注方法、装置、设备及存储介质。
技术介绍
1、随着神经网络模型技术的快速发展，越来越多的应用在图像内对于各类内容的关键点预测方面，例如手势关键点预测、面部关键点预测等。此时，为了确保关键点预测的准确性，通常需要训练相应的神经网络模型，来预测图像内的各个关键点。
2、目前，在训练神经网络模型时，通常会采用人工或半自动的方式，来为每一样本图像标注对应的关键点标签，以便实现神经网络模型的训练。但是，人工或半自动标注的方式，会受到标准人员的主观影响，导致样本图像的标注精度降低，且耗费较大的人力和时间成本。
技术实现思路
1、本申请实施例提供一种图像标注方法、装置、设备及存储介质，实现任一图像内关键点的自动标注，提高关键点标注的高效性和准确性，降低关键点标注时的成本耗费。
2、第一方面，本申请实施例提供了一种图像标注方法，该方法包括：
3、获取待标注的纹理图像和所述纹理图像对应的深度图像；
4、根据所述纹理图...
【技术保护点】
1.一种图像标注方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述纹理图像内每一关键点的二维预测坐标和所述深度图像内的三维关键点云，确定所述纹理图像内每一关键点的深度信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述纹理图像内每一关键点的二维预测坐标和所述投影点的二维投影坐标间的匹配性，确定所述纹理图像内每一关键点的深度信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述纹理图像内每一关键点的深度信息为各所述目标深度的中位值。
5.根据权利要求2所述的方法，其特征在...
【技术特征摘要】
1.一种图像标注方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述纹理图像内每一关键点的二维预测坐标和所述深度图像内的三维关键点云，确定所述纹理图像内每一关键点的深度信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述纹理图像内每一关键点的二维预测坐标和所述投影点的二维投影坐标间的匹配性，确定所述纹理图像内每一关键点的深度信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述纹理图像内每一关键点的深度信息为各所述目标深度的中位值。
5.根据权利要求2所述的方法，其特征在于，所述对所述深度图像内的三维关键点云进行所述纹理图像所在的第一相机坐标系下的坐标变换，得到所述第一相机坐标系下的三维校正点云，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.根据权利...
【专利技术属性】
技术研发人员：孙飞，张永杰，余海桃，
申请(专利权)人：北京字跳网络技术有限公司，
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。