[發明專利]一種基于神經網絡模型的信息標注方法

在審

• 申請號: 201910040806.6
• 申請日: 2019-01-16
• 公開（公告）號: CN111444746A
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 馬林;姚寒星
• 申請（專利權）人: 北京亮亮視野科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京華夏正合知識產權代理事務所(普通合伙) 11017
• 代理人: 韓登營

本發明提供了一種基于神經網絡模型的信息標注方法，應用于智能設備，所述方法包括以下步驟：A、獲取目標物體圖像；B、基于目標識別神經網絡模型對所述圖像進行識別，在所述圖像中標識出所述目標物體的外輪廓及所述目標物體的標注信息；C、基于接收到的用戶調整指令對所述目標物體在所述目標物體圖像中的外輪廓和所述標注信息進行調整。本發明基于目標識別神經網絡模型對獲取的目標物體圖像進行識別并標識出目標物體的外輪廓及目標物體的標注信息，同時，本發明還可對標識出的目標物體的外輪廓和標注信息進行人工調整，從而實現了對目標物采集的同時進行標注，提高了信息標注的效率及標注信息的準確性。

技術領域

本發明涉及信息技術領域，特別涉及一種基于神經網絡模型的信息標注方法。

背景技術

隨著智能終端、AR設備和人工智能領域的成熟與發展，越來越多的以圖像采集、圖像處理技術為基礎的智能設備或AR設備應用于工業場景或日常生活中，尤其在人工智能領域，智能眼鏡更是常用的一種增強現實設備。而人工智能領域發展的基礎則需要采集大量素材進行處理和機器學習，以建立人工智能模型，但目前素材的采集和標注往往都是分開進行的，一般先利用設備進行素材采集，然后再在其他處理設備中對采集的素材進行信息標注。不僅工作效率低，而且由于采集和標注的設備不同，其加載的程序和模型也不相同，因此先采集再進行識別和分類的錯誤率也較高。

發明內容

有鑒于此，本發明的主要目的在于提供一種基于神經網絡模型的信息標注方法，以提高信息標注的效率及標注信息的準確性。

本發明采用的技術方案為，提供一種基于神經網絡模型的信息標注方法，應用于智能設備，包括以下步驟：

A、獲取目標物體圖像；

B、基于目標識別神經網絡模型對所述圖像進行識別，在所述圖像中標識出所述目標物體的外輪廓及所述目標物體的標注信息；

C、基于接收到的用戶調整指令對所述目標物體在所述目標物體圖像中的外輪廓和所述標注信息進行調整。

由上，本方法基于目標識別神經網絡模型對獲取的目標物體圖像進行識別并標識出目標物體的外輪廓及目標物體的標注信息，同時，本方法還可對標識出的目標物體的外輪廓和標注信息進行人工調整，從而實現了對目標物采集的同時進行標注，提高了信息標注的效率及標注信息的準確性。

進一步改進，所述步驟C之后，還包括：

將所述調整后的標識有所述目標物體的外輪廓的所述目標物體圖像及所述調整后的標注信息作為訓練樣本，輸入到目標識別神經網絡模型庫中，以對所述目標識別神經網絡模型進行訓練。

進一步改進，所述步驟B還包括：

基于接收到的用戶選擇模型的指令選取所述目標識別神經網絡模型。

其中，步驟C中所述對標注信息進行調整包括：

對所述標注信息進行內容、位置及顯示樣式的至少一項的調整。

其中，步驟C中所述對目標物體的外輪廓進行調整包括：

對所述目標物體的外輪廓進行形狀及邊界位置的至少一項的調整。

進一步改進，所述步驟A之后，還包括：

基于通用分類神經網絡模型對所述圖像進行識別，識別出所述圖像中的目標物體的類別；

基于所述目標物體的類別選取所述目標識別神經網絡模型。

進一步改進，所述基于所述目標物體的類別選取所述目標識別神經網絡模型之后還包括，基于接收到的用戶變更模型的指令選取所述目標識別神經網絡模型。