[發(fā)明專利]圖像標注方法及裝置、特征圖生成方法及裝置

在審

• 申請?zhí)枺?/td>: 201811584634.0
• 申請日: 2018-12-24
• 公開（公告）號: CN109658481A
• 公開（公告）日: 2019-04-19
• 發(fā)明（設計）人: 李健昆;范浩強
• 申請（專利權）人: 北京曠視科技有限公司
• 主分類號: G06T11/60
• 分類號: G06T11/60;G06N3/04;G06N3/08
• 代理公司: 北京超凡志成知識產(chǎn)權代理事務所(普通合伙) 11371
• 代理人: 蘇勝

本發(fā)明涉及圖像標注技術領域，提供一種圖像標注方法及裝置、特征圖生成方法及裝置。其中，圖像標注方法包括：當檢測到畫刷的第一操作時，確定第一操作對應的原始圖像中的第一像素；獲取畫刷范圍內(nèi)的每個第二像素與第一像素的相似性度量；根據(jù)相似性度量確定與第一像素相似的第二像素的集合，在標注結(jié)果圖像上顯示第二像素的集合的位置。在上述方法中，在標注結(jié)果圖像上顯示的第二像素集合的位置可以視為畫刷當前的形狀，畫刷的形狀是根據(jù)相似性度量計算的，因此具有自適應性，有利于改善標注質(zhì)量，提高標注效率。同時，該畫刷的形狀支持在標注結(jié)果圖像上實時顯示，使得標注員能夠根據(jù)預覽到的內(nèi)容作出更為精確的標注行為，從而提高標注質(zhì)量。

技術領域

本發(fā)明涉及圖像標注技術領域，具體而言，涉及一種圖像標注方法及裝置、特征圖生成方法及裝置。

背景技術

圖像語義分割和實例分割是計算機視覺領域的核心任務之一，其在自動駕駛、人像美化以及醫(yī)療圖像分析等領域中都發(fā)揮著重要作用。隨著深度學習的興起，利用卷積神經(jīng)網(wǎng)絡進行語義和實例分割憑借其優(yōu)異的性能成為了當前處理圖像分割任務的主流方法。為訓練圖像分割用的網(wǎng)絡模型，需要對原始圖像進行逐像素的標注，即為每個像素指定一個表示其類別的標簽。

現(xiàn)有的標注工具為標注員提供畫刷，標注員通過肉眼觀察的方式判斷像素區(qū)域的類別，然后用畫刷在像素區(qū)域中進行涂抹，將屬于同一類別像素區(qū)域涂成同一種顏色，不同的顏色即可以作為標識不同類別的像素區(qū)域的標簽。

然而，現(xiàn)有的畫刷形狀是固定的，當原始圖像中不同類別的像素區(qū)域之間具有復雜的邊界時，采用固定形狀的畫刷進行涂抹可能導致標注錯誤，如果反復切換畫刷的尺寸又會導致標注效率低下。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實施例提供一種圖像標注方法及裝置、特征圖生成方法及裝置，采用具有自適應形狀的畫刷進行標注，提高標注的精度和效率。

為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

第一方面，本發(fā)明實施例提供一種圖像標注方法，包括：

當檢測到標注用的畫刷的第一操作時，確定第一操作對應的原始圖像中的第一像素；

獲取畫刷范圍內(nèi)的每個第二像素與第一像素的相似性度量，其中，畫刷范圍是指畫刷在原始圖像上覆蓋的包括第一像素的區(qū)域；

根據(jù)相似性度量確定與第一像素相似的第二像素的集合，在標注結(jié)果圖像上顯示第二像素的集合的位置。

在上述方法中，在標注結(jié)果圖像上顯示的第二像素集合的位置可以視為畫刷當前的形狀，該形狀是根據(jù)第一像素與第二像素的相似性度量計算的，相當于根據(jù)相似性度量對標注結(jié)果作了自動推薦，因此其形狀具有自適應性，例如在原始圖像中不同類別的像素區(qū)域之間的邊界處進行標注時，該畫刷能夠自適應邊界的形狀，從而有利于改善標注結(jié)果的質(zhì)量，提高標注員的標注效率。另一方面，該畫刷的形狀支持在標注結(jié)果圖像上實時顯示，相當于可以對標注結(jié)果進行預覽，從而使得標注員能夠根據(jù)預覽到的內(nèi)容作出更為精確的標注行為，從而提高標注質(zhì)量。

在一些實施例中，相似性度量根據(jù)第一像素與第二像素在特征空間中的距離進行計算，特征空間為第一特征圖中的像素對應的向量所在的向量空間，第一特征圖是利用卷積神經(jīng)網(wǎng)絡對原始圖像進行特征提取后獲得的。

一方面，原始圖像中的像素之間可能存在噪聲干擾，將原始圖像中的像素映射到特征空間以后，可以減小噪聲的影響。另一方面，原始圖像中的像素之間語義關聯(lián)性不清晰，而特征圖由于經(jīng)過了卷積神經(jīng)網(wǎng)絡的處理，其中的每個像素具有一定的感受野，從而相互之間具有更清晰的語義關聯(lián)性。綜合以上兩方面，利用特征圖上的像素(原始圖像上的像素映射到特征空間就是映射為特征圖上的像素)之間的距離來計算相似性度量，能夠更準確地表征第一像素與第二像素的相似程度。

在一些實施例中，相似性度量根據(jù)第一像素與第二像素在原始圖像上的距離，以及第一像素與第二像素在特征空間中的距離進行計算。