[發明專利]一種語義分割訓練集人工標注評價方法及裝置

在審

• 申請號: 201910324442.4
• 申請日: 2019-04-22
• 公開（公告）號: CN111833291A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 常宏;溫開虎;許健;張強;唐云;姚杰
• 申請（專利權）人: 上海汽車集團股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/181;G06K9/32
• 代理公司: 北京信遠達知識產權代理有限公司 11304
• 代理人: 魏曉波

本發明提供了一種語義分割訓練集人工標注評價方法及裝置，該方法包括：基于目標物體輪廓被標注的相鄰兩點生成標注邊緣；確定標注邊緣對應的局部ROI；提取局部ROI內的實際邊緣；基于標注邊緣和實際邊緣對目標物體輪廓進行標注評價。本發明可以對語義分割訓練集的人工標注結果逐一量化評定，解決抽檢方式所造成的漏檢問題，提高評價準確度，從而在后續訓練過程中提升訓練的精度。

技術領域

本發明涉及深度學習技術領域，更具體地說，涉及一種語義分割訓練集人工標注評價方法及裝置。

背景技術

深度學習現已深入到汽車行業，為適應復雜的車輛行駛環境，需要大量的已標注數據作為訓練集，不斷完善算法模型。

現階段，深度學習領域大多數語義分割訓練集的真值需要人工標注。而目前通常以抽檢方式對人工標注結果進行統計性檢測，這就會出現漏檢的問題，從而降低訓練的精度。

發明內容

有鑒于此，為解決上述問題，本發明提供一種語義分割訓練集人工標注評價方法及裝置。技術方案如下：

一種語義分割訓練集人工標注評價方法，所述方法包括：

基于目標物體輪廓被標注的相鄰兩點生成標注邊緣；

確定所述標注邊緣對應的局部ROI；

提取所述局部ROI內的實際邊緣；

基于所述標注邊緣和所述實際邊緣對所述目標物體輪廓進行標注評價。

優選的，所述基于所述標注邊緣和所述實際邊緣對所述目標物體輪廓進行標注評價之前，所述方法還包括：

對所述實際邊緣進行合并處理。

優選的，所述基于所述標注邊緣和所述實際邊緣對所述目標物體輪廓進行標注評價之前，所述方法還包括：

剔除所述實際邊緣中的誤邊緣。

優選的，所述基于所述標注邊緣和所述實際邊緣對所述目標物體輪廓進行標注評價之前，所述方法還包括：

對所述實際邊緣進行亞像素處理。

優選的，所述基于所述標注邊緣和所述實際邊緣對所述目標物體輪廓進行標注評價，包括：

獲取所述標注邊緣偏離所述實際邊緣的最大偏離像素；

判斷所述最大偏離像素是否小于指定偏離像素閾值；

如果所述最大偏離像素小于所述指定偏離像素閾值，根據所述最大偏離像素計算所述目標物體輪廓被標注的偏離程度；

判斷所述偏離程度是否小于指定偏離程度閾值；

如果所述偏離程度小于所述指定偏離程度閾值，確定所述目標物體輪廓的標注合格；

如果所述最大偏離像素不小于所述指定偏離像素閾值或者所述偏離程度不小于所述指定偏離程度閾值，確定所述目標物體輪廓的標注不合格。

一種語義分割訓練集人工標注評價裝置，所述裝置包括：

邊緣生成模塊，用于基于目標物體輪廓被標注的相鄰兩點生成標注邊緣；

區域確定模塊，用于確定所述標注邊緣對應的局部ROI；

邊緣提取模塊，用于提取所述局部ROI內的實際邊緣；

標注評價模塊，用于基于所述標注邊緣和所述實際邊緣對所述目標物體輪廓進行標注評價。

優選的，所述邊緣提取模塊，還用于：

對所述實際邊緣進行合并處理。

優選的，所述邊緣提取模塊，還用于：