本申请涉及图像处理技术领域,尤其涉及一种基于多模型融合的数据标注方法及电子设备,用于解决常规标注工作方式存在的标注速度低问题,该方法为:利用标注任务关联的多个检测模型,分别对该标注任务关联的多个图像中的每个图像进行目标检测,得到每个图像各自对应的多个检测结果;每个检测结果对应一个检测模型;检测结果包括在相应图像中检测到的每个对象对应的至少一个检测信息;针对每个图像,分别执行以下操作:对于一个图像,基于该图像对应的多个检测结果,以及第一置信度阈值,筛选出该图像内每个对象各自对应的候选检测信息;基于该图像内每个对象各自对应的候选检测信息,得到该图像对应的标注结果;提高了标注效率、标注速度、准确性。
【技术实现步骤摘要】
本申请涉及图像处理,尤其涉及一种基于多模型融合的数据标注方法及电子设备。
技术介绍
1、在机器视觉领域中使用采集的海量图像用于训练各类模型。通常在对各类模型进行训练之前,需要对采集到的海量图像进行图像标注。目前常规的图像标注工作多依靠人工完成的,这种常规方式的标注效率低、速度慢、标注时间长、标注成本高。
技术实现思路
1、本申请实施例提供一种基于多模型融合的数据标注方法及电子设备,用以提高标注工作效率、提高标注速度,缩短标注时间,降低标注成本。
2、本申请实施例提供的具体技术方案如下:
3、第一方面,本申请实施例提供一种基于多模型融合的数据标注方法,包括:
4、基于针对标注任务的标注指令,获取所述标注任务关联的多个图像;
5、利用所述标注任务关联的多个检测模型,分别对所述多个图像中的每个图像进行目标检测,得到所述每个图像各自对应的多个检测结果;其中,每个检测结果对应一个检测模型;所述检测结果包括在相应图像中检测到的每个对象对应的至少一个检测信息;每个检测信息对应一个置信度;
6、针对所述每个图像,分别执行以下操作:
7、对于一个图像,基于所述一个图像对应的多个检测结果,以及第一置信度阈值,筛选出所述一个图像内每个对象各自对应的候选检测信息;
8、基于所述一个图像内每个对象各自对应的候选检测信息,得到所述一个图像对应的标注结果,其中,所述标注结果包括所述一个图像内每个对象各自对应的标注信息。
<
p>9、本申请实施例提供的上述方法,基于每个检测模型对标注任务关联的多个图像进行目标检测得到检测结果,然后,通过多模型融合决策方式,对每个图像各自对应的多个检测结果中的检测信息进行筛选,从而筛选出每个图像内真实对象的至少一个候选检测信息,然后,对筛选后的多个候选检测信息进行融合,从而得到每个图像各自对应的标注结果,这样,可以使得每个图像各自对应的标注结果精确率、召回率均优于单模型的预测结果,标注人员只需基于此标注结果进行二次标注,标注速度优于基于单模型预测的标注速度;同时由于采用多模型得到每个图像各自对应的初步标注结果,提高了标注效率、标注速度,缩短了标注时间,也降低了标注成本。10、在一种可能的实现方式中,所述基于所述一个图像对应的多个检测结果,以及第一置信度阈值,筛选出所述一个图像内每个对象各自对应的候选检测信息,包括:
11、针对所述多个检测结果中的每个检测结果,分别执行以下操作:
12、对于一个检测结果,确定所述一个检测结果中的基准检测信息,其中,所述基准检测信息是所述一个检测结果中未经处理的检测信息;
13、对于确定的每个基准检测信息,分别执行以下操作:
14、对于一个基准检测信息,基于所述一个基准检测信息与其他检测结果中的每个目标检测信息的交并比iou值,分别确定每个其他检测结果中与所述一个基准检测信息对应的匹配检测信息,其中,所述目标检测信息是与所述一个基准检测信息的检测类别相同且未匹配的检测信息;
15、基于所述一个基准检测信息和所有匹配检测信息中大于iou阈值的备选检测信息的置信度,确定所述一个基准检测信息对应的对象的参考置信度;
16、在确定所述参考置信度大于所述第一置信度阈值时,将大于iou阈值的每个备选检测信息,分别确定为所述一个图像内与所述一个基准检测信息对应的对象的候选检测信息。
17、在一种可能的实现方式中,所述基于所述一个基准检测信息与其他检测结果中的每个目标检测信息的交并比iou值,分别确定每个其他检测结果中的与所述一个基准检测信息对应的匹配检测信息,包括:
18、确定所述一个基准检测信息与其他检测结果中的每个目标检测信息的iou值;
19、将每个其他检测结果中的最大iou值各自对应的其他检测信息,作为所述匹配检测信息;
20、所述基于所述一个基准检测信息和所有匹配检测信息中大于iou阈值的备选检测信息的置信度,确定所述一个基准检测信息对应的对象的参考置信度,包括:
21、基于所有匹配检测信息与所述一个基准检测信息的iou值,以及所有匹配检测信息中每两个匹配检测信息之间的iou值,从所有匹配检测信息和所述一个基准检测信息中,筛选出大于iou阈值的各备选检测信息;
22、将所述各备选检测信息对应的置信度中的最大置信度,确定为所述一个基准检测信息对应的对象的参考置信度。
23、在一种可能的实现方式中,所述第一置信度阈值包括多个子阈值;
24、若确定的备选检测信息的个数等于所述多个检测模型的总个数,则将所述多个子阈值中的第一子阈值作为所述第一置信度阈值;
25、若所述个数小于所述总个数且大于预设值,则将所述多个子阈值中的第二子阈值作为所述第一置信度阈值;
26、若所述个数等于所述预设值,则将所述多个子阈值中的第三子阈值作为所述第一置信度阈值;
27、其中,所述第一子阈值小于或等于所述第二子阈值,所述第二子阈值小于所述第三子阈值。
28、在一种可能的实现方式中,若所述其他检测结果中不存在所述目标检测信息,则所述方法还包括:
29、将所述一个基准检测信息对应的置信度作为所述参考置信度;
30、在确定所述参考置信度大于所述第三子阈值时,将所述一个基准检测信息确定为所述一个图像内与所述一个基准检测信息对应的对象的候选检测信息。
31、在一种可能的实现方式中,所述基于所述一个图像内每个对象各自对应的候选检测信息,得到所述一个图像对应的标注结果,包括:
32、针对所述一个图像中的每个对象,分别执行以下操作:
33、若一个对象存在多个候选检测信息,则将所述多个候选检测信息进行融合,得到所述一个对象的标注信息;
34、若一个对象存在一个候选检测信息,则将所述一个候选检测信息作为所述一个对象的标注信息;
35、将所述一个图像中每个对象各自对应的标注信息,确定为所述一个图像对应的标注结果。
36、在一种可能的实现方式中,所述候选检测信息包括在相应图像中框定相应对象的检测框的坐标;
37、所述将所述多个候选检测信息进行融合,得到所述一个对象的标注信息,包括:
38、将所述多个候选检测信息各自对应的检测框的坐标的平均值,作为最终检测框的坐标,基于所述最终检测框的坐标,得到所述一个对象的标注信息;或
39、基于所述多个候选检测信息各自对应的检测框的坐标,确定包含多个检测框的最小外接矩形的坐标,并基于所述最小外接矩形的坐标,得到所述一个对象的标注信息。
40、在一种可能的实现方式中,所述将所述多个候选检测信息进行融合之前,还包括:
41、确定所述一个对象对应的候选检测信息与所述多个检测模型的个数相同,且每个候选检测信息各自对应的置信度均大于第二置信度阈值本文档来自技高网
...
【技术保护点】
1.一种基于多模型融合的数据标注方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述基于所述一个图像对应的多个检测结果,以及第一置信度阈值,筛选出所述一个图像内每个对象各自对应的候选检测信息,包括:
3.如权利要求2所述的方法,其特征在于,所述基于所述一个基准检测信息与其他检测结果中的每个目标检测信息的交并比IOU值,分别确定每个其他检测结果中的与所述一个基准检测信息对应的匹配检测信息,包括:
4.如权利要求2所述的方法,其特征在于,所述第一置信度阈值包括多个子阈值;
5.如权利要求4所述的方法,其特征在于,若所述其他检测结果中不存在所述目标检测信息,则所述方法还包括:
6.如权利要求1-5任一所述的方法,其特征在于,所述基于所述一个图像内每个对象各自对应的候选检测信息,得到所述一个图像对应的标注结果,包括:
7.如权利要求6所述的方法,其特征在于,所述候选检测信息包括在相应图像中框定相应对象的检测框的坐标;
8.如权利要求6所述的方法,其特征在于,所述将所述多个候选检测信息进行融合之前,还包括:
9.如权利要求6所述的方法,其特征在于,所述将所述一个图像中每个对象各自对应的标注信息,确定为所述一个图像对应的标注结果之前,还包括:
10.一种电子设备,其特征在于,包括:
...
【技术特征摘要】
1.一种基于多模型融合的数据标注方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述基于所述一个图像对应的多个检测结果,以及第一置信度阈值,筛选出所述一个图像内每个对象各自对应的候选检测信息,包括:
3.如权利要求2所述的方法,其特征在于,所述基于所述一个基准检测信息与其他检测结果中的每个目标检测信息的交并比iou值,分别确定每个其他检测结果中的与所述一个基准检测信息对应的匹配检测信息,包括:
4.如权利要求2所述的方法,其特征在于,所述第一置信度阈值包括多个子阈值;
5.如权利要求4所述的方法,其特征在于,若所述其他检测结果中不存在...
【专利技术属性】
技术研发人员:刘微,郑维学,孙菁,高语函,李广琴,朴艺兰,王培培,王晓斌,张文超,
申请(专利权)人:海信集团控股股份有限公司,
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。