【技术实现步骤摘要】
本申请涉及机器视觉，更具体地涉及一种训练样本图像上标注对象的标注方法、一种训练样本图像上标注对象的标注装置、一种视觉深度学习系统及一种存储介质。
技术介绍
1、近年来，计算机视觉被广泛应用于多种领域。例如，应用计算机视觉技术对产品的表面缺陷进行检测，以便于及时察觉或修复。在利用计算机视觉对待测产品进行缺陷检测时，通常利用预先标注好的训练样本图像对缺陷检测模型进行训练，然后利用训练后的缺陷检测模型对包含待测产品的待测图像进行处理，以确定待测图像中的待测产品的缺陷区域。
2、相关技术中，在对训练样本图像进行标注时，通常利用多边形、矩形框的绘制方式标注训练样本图像中存在缺陷的区域。但是，这种标注方式无法在一些特殊复杂场景下实现精细化标注，比如，标注对象为缺陷，且缺陷的形状是非规则图形，因此采用多边形可能需要耗费较多的时间且标注的精度不高，而采用矩形框的绘制方式可能导致标注的缺陷区域内存在部分正常区域，影响了训练后的缺陷检测模型的检测精度。
3、因此，目前亟需一种标注效率高且精度高的标注方法，尤其是在特殊复杂场景下进行标注。
技术实现思路
1、考虑到上述问题而提出了本申请。本申请提供了一种训练样本图像上标注对象的标注方法、一种训练样本图像上标注对象的标注装置、一种视觉深度学习系统及一种存储介质。
2、根据本申请一方面，提供了一种训练样本图像上标注对象的标注方法，包括：选择画笔标注工具；在画笔标注工具移动绘制过程中，在训练样本图像上生成与画笔标注工具的移动
3、示例性地，选择画笔标注工具，还具体包括：确定本次绘制的标注对象的目标类别；在本次绘制结束时，将形状下覆盖的图像区域作为标注对象，具体包括：在本次绘制结束时，将形状下覆盖的图像区域作为标注对象，且标注对象的类别为目标类别。
4、示例性地，在本次绘制结束时，将形状下覆盖的图像区域作为标注对象，具体包括：在本次绘制结束时，判断本次生成的形状与训练样本图像上已有的历史形状分别是否存在重合像素以及目标类别是否相同；在本次绘制生成的形状与历史形状中至少一个存在重合像素且对应的标注类别相同时，将本次绘制生成的形状与该至少一个历史形状合并为新的形状；将新的形状覆盖的图像区域作为标注对象，且标注对象的类别为目标类别。
5、示例性地，确定本次绘制的标注对象的目标类别，具体包括：接收用户对本次绘制的标注对象的目标类别的输入信息以及本次绘制的颜色信息，颜色信息与目标类别一一对应；判断本次生成的形状与训练样本图像上已有的历史形状分别是否存在重合像素以及目标类别是否相同，具体包括：判断本次生成的形状与训练样本图像上已有的历史形状分别是否存在重合像素以及颜色信息是否相同。
6、示例性地，判断本次生成的形状与训练样本图像上已有的历史形状分别是否存在重合像素，包括：判断本次生成的形状与训练样本图像上的第一历史形状是否存在重合像素，第一历史形状为历史形状中位于本次生成的形状的周围的预设区域内的历史形状。
7、示例性地，选择画笔标注工具，具体包括：基于用户输入的线宽设置指令，设置画笔标注工具的线宽；根据画笔标注工具的线宽和训练样本图像的当前缩放比例自动确定画笔标注工具的最终线宽。
8、示例性地，方法还包括：选择擦除工具；利用擦除工具执行擦除操作；在当前擦除操作结束后，对训练样本图像上的每个通过画笔标注工具绘制得到的第一标注对象，执行如下擦除判断操作：获取当前第一标注对象在当前擦除操作结束后的轮廓区域集合，轮廓区域集合中的最后一个轮廓区域为多个轮廓区域中最先形成的轮廓区域；轮廓区域集合中的每个轮廓区域包括轮廓线内的全部图像区域；若当前第一标注对象在当前擦除操作结束后为中空状态，则根据轮廓区域集合中的轮廓区域执行中空处理步骤，以确定新增标注对象；若当前第一标注对象在当前擦除操作结束后为非中空状态，则根据轮廓区域集合中的轮廓区域执行截断处理步骤，以确定新增标注对象。
9、示例性地，根据轮廓区域集合中的轮廓区域执行中空处理步骤，以确定新增标注对象，具体包括：基于最后一个轮廓区域和当前第一标注对象的第一有效区域，确定本次擦除操作的擦除区域，其中，第一有效区域为当前第一标注对象经过擦除操作后的有效区域；将多个轮廓区域中除最后一个轮廓区域外的每个轮廓区域与擦除区域作差，以得到第二有效区域集合；对第二有效区域集合去重得到第三有效区域集合，并基于第三有效区域集合中的每个第三有效区域确定新增标注对象。
10、示例性地，根据轮廓区域集合中的轮廓区域执行中空处理步骤，以确定新增标注对象，还具体包括：对于第三有效区域集合中的每个第三有效区域，将该第三有效区域分别与第三有效区域集合中所有其他的第三有效区域取交集，以获得与第三有效区域集合中所有其他的第三有效区域一一对应的交集结果；在任意一个交集结果不为空且该交集结果与该第三有效区域不同时，确定该第三有效区域无效；否则，确定该第三有效区域为新增标注对象。
11、示例性地，根据轮廓区域集合中的轮廓区域执行中空处理步骤，以确定新增标注对象，还具体包括：将第一有效区域与所有的新增标注对象作差，并将得到的结果赋值为当前第一标注对象。
12、示例性地，根据轮廓区域集合中的轮廓区域执行截断处理步骤，以确定新增标注对象，具体包括：对于多个轮廓区域集合中除最后一个轮廓区域外的每个轮廓区域，在该轮廓区域与第一标注对象的第一有效区域相交时，基于该轮廓区域确定新增标注对象，其中，第一有效区域为当前第一标注对象经过擦除操作后的有效区域。
13、示例性地，对于多个轮廓区域集合中除最后一个轮廓区域外的每个轮廓区域，在该轮廓区域与第一标注对象的第一有效区域相交时，基于该轮廓区域确定新增标注对象，具体包括：对于多个轮廓区域集合中除最后一个轮廓区域外的每个轮廓区域，在该轮廓区域与当前第一标注对象的第一有效区域相交时，将该轮廓区域增加到有效集合中；在该轮廓区域与当前第一标注对象的第一有效区域不相交时，将该轮廓区域增加到无效集合中；对于有效集合中存储的每个轮廓区域，将该轮廓区域与无效集合中存储的所有的轮廓区域作差，以得到新增标注对象。
14、示例性地，方法还包括：在轮廓区域集合中除最后一个轮廓区域外的任意一个轮廓区域与最后一个轮廓区域相交时，确定当前第一标注对象为中空状态；否则，确定当前第一标注对象为非中空状态；或者，对于多个轮廓区域集合中除最后一个轮廓区域外的每个轮廓区域，在该轮廓区域与最后一个轮廓区域相交时，确定当前第一标注对象为中空状态；否则，确定当前第一标注对象为非中空状态。
15、示例性地，根据轮廓区域集合中的轮廓区域执行截断处理步骤，以确定新增标注对象，还具体包括：若当前第一标注对象在当前擦除操作结束后为非中空状态，将轮廓区域集合中的最后一个轮廓区域赋值为当前第一标注对象。
16、根据本申请的另一方面，提供了一种训练样本图像上标注对象的本文档来自技高网...
【技术保护点】
1.一种训练样本图像上标注对象的标注方法，其特征在于，包括：
2.根据权利要求1所述的标注方法，其特征在于，所述选择画笔标注工具，还具体包括：确定本次绘制的所述标注对象的目标类别；
3.根据权利要求2所述的标注方法，其特征在于，所述在本次绘制结束时，将所述形状下覆盖的图像区域作为标注对象，具体包括：
4.根据权利要求3所述的标注方法，其特征在于，所述确定本次绘制的所述标注对象的目标类别，具体包括：
5.根据权利要求3所述的标注方法，其特征在于，所述判断本次生成的所述形状与所述训练样本图像上已有的历史形状分别是否存在重合像素，包括：
6.根据权利要求1所述的标注方法，其特征在于，所述选择画笔标注工具，具体包括：
7.根据权利要求1所述的标注方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的标注方法，其特征在于，所述根据所述轮廓区域集合中的轮廓区域执行中空处理步骤，以确定新增标注对象，具体包括：
9.根据权利要求8所述的标注方法，其特征在于，所述根据所述轮廓区域集合中的轮廓区域执
10.根据权利要求8所述的标注方法，其特征在于，所述根据所述轮廓区域集合中的轮廓区域执行中空处理步骤，以确定新增标注对象，还具体包括：
11.根据权利要求7所述的标注方法，其特征在于，所述根据所述轮廓区域集合中的轮廓区域执行截断处理步骤，以确定新增标注对象，具体包括：
12.根据权利要求11所述的标注方法，其特征在于，所述对于多个所述轮廓区域集合中除所述最后一个轮廓区域外的每个轮廓区域，在该轮廓区域与所述第一标注对象的第一有效区域相交时，基于该轮廓区域确定所述新增标注对象，具体包括：
13.根据权利要求7-12任一项所述的标注方法，其特征在于，所述方法还包括：
14.根据权利要求11所述的标注方法，其特征在于，所述根据所述轮廓区域集合中的轮廓区域执行截断处理步骤，以确定新增标注对象，还具体包括：
15.一种训练样本图像上标注对象的标注装置，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行如权利要求1-14任一项所述的标注方法。
16.一种视觉深度学习系统，其特征在于，包括权利要求15所述的标注装置。
17.一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行如权利要求1-14任一项所述的标注方法。
...【技术特征摘要】
1.一种训练样本图像上标注对象的标注方法，其特征在于，包括：
2.根据权利要求1所述的标注方法，其特征在于，所述选择画笔标注工具，还具体包括：确定本次绘制的所述标注对象的目标类别；
3.根据权利要求2所述的标注方法，其特征在于，所述在本次绘制结束时，将所述形状下覆盖的图像区域作为标注对象，具体包括：
4.根据权利要求3所述的标注方法，其特征在于，所述确定本次绘制的所述标注对象的目标类别，具体包括：
5.根据权利要求3所述的标注方法，其特征在于，所述判断本次生成的所述形状与所述训练样本图像上已有的历史形状分别是否存在重合像素，包括：
6.根据权利要求1所述的标注方法，其特征在于，所述选择画笔标注工具，具体包括：
7.根据权利要求1所述的标注方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的标注方法，其特征在于，所述根据所述轮廓区域集合中的轮廓区域执行中空处理步骤，以确定新增标注对象，具体包括：
9.根据权利要求8所述的标注方法，其特征在于，所述根据所述轮廓区域集合中的轮廓区域执行中空处理步骤，以确定新增标注对象，还具体包括：
10.根据权利要求8所述的标注方法，其特征在于，所述根据所述轮廓区...
【专利技术属性】
技术研发人员：李哲，
申请(专利权)人：苏州镁伽科技有限公司，
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。