【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种基于交互式分割的自动标注方法、存储介质。
技术介绍
1、在数据驱动的时代，数据就是监督学习的动力源泉，但对于某些场景来说难以收集到模型学习所需的大量数据。为应对数据少而涌现出了很多无监督、弱监督、半监督学习方法，但无论是在传统机器学习领域，还是在现今炙手可热的深度学习领域，基于训练样本有明确标签或结果的监督学习仍然是主要的模型训练方式。尤其是深度学习领域，需要更多数据提升模型效果。目前大规模公开数据集(如imagenet、coco、cityscapes等)，对于学术研究可以提供很大帮助，但是对于大部分企业开发者(在医学成像、自动驾驶、工业质检等领域)，他们更需要利用专业领域的实际业务数据定制ai模型应用，保证业务的高效性能。因此，业务场景的数据标注是在ai模型落地过程中必不可少的环节。
2、数据标注的质量和规模是影响模型效果的重要因素，通过人工手动标注建立一个大规模、高质量的专业领域数据训练集通常是不现实的，因为即使对于数据量不大的业务来说也需要耗费大量人力和时间。成本高、耗时长是数据手动...
【技术保护点】
1.一种基于交互式分割的自动标注方法，其特征在于，包括：
2.如权利要求1所述的自动标注方法，其特征在于，所述第一交互编码步骤包括：根据所述第一点击坐标生成第一点击标记图，将所述第一点击标记图和待标注目标掩膜图进行通道拼接，得到第一交互编码图；其中所述第一点击标记图用于表示所述待标注图像中所述第一点击坐标的邻域。
3.如权利要求2所述的自动标注方法，其特征在于，所述第一点击坐标分为正点击坐标和负点击坐标，所述根据所述第一点击坐标生成第一点击标记图包括：
4.如权利要求1所述的自动标注方法，其特征在于，所述交互特征提取模块包括多层标准...
【技术特征摘要】
1.一种基于交互式分割的自动标注方法，其特征在于，包括：
2.如权利要求1所述的自动标注方法，其特征在于，所述第一交互编码步骤包括：根据所述第一点击坐标生成第一点击标记图，将所述第一点击标记图和待标注目标掩膜图进行通道拼接，得到第一交互编码图；其中所述第一点击标记图用于表示所述待标注图像中所述第一点击坐标的邻域。
3.如权利要求2所述的自动标注方法，其特征在于，所述第一点击坐标分为正点击坐标和负点击坐标，所述根据所述第一点击坐标生成第一点击标记图包括：
4.如权利要求1所述的自动标注方法，其特征在于，所述交互特征提取模块包括多层标准卷积层，所述第一特征图为其中的一层或多层标准卷积层输出的特征图，其中标准卷积层包括串联的一个卷积层、一个批标准化层和一个激活层。
5.如权利要求1所述的自动标注方法，其特征在于，所述特征提取及融合模块包括多尺度特征分离模块和多尺度特征融合模块；所述将所述待标注图像和所述第一特征图输入所述特征提取及融合模块以提取所述待标注图像的特征信息并与所述第一特征图进行融合，得到融合特征图，包括：
6.如权利要求5所述的自动标注方法，其特征在于，第一层所述特征重塑处...
【专利技术属性】
技术研发人员：祝树杰，曾利宏，杨洋，黄淦，翟爱亭，
申请(专利权)人：深圳市华汉伟业科技有限公司，
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。