[發明專利]圖片標注方法、裝置、終端設備及存儲介質

有效

• 申請號: 202010468139.4
• 申請日: 2020-05-28
• 公開（公告）號: CN111897984B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 陳應文;丁明;李海榮;陳永輝
• 申請（專利權）人: 廣州市玄武無線科技股份有限公司
• 主分類號: G06F16/55
• 分類號: G06F16/55;G06F16/51;G06V10/774;G06V10/764;G06V10/74;G06V10/77;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

本發明公開了一種圖片標注方法、裝置、終端設備及存儲介質，該方法包括：通過預先訓練好的目標檢測模型，對獲取到的每一待標注圖片進行目標檢測，得到與每一待標注圖片對應的ROI圖片和ROI位置信息；根據每兩張ROI圖片之間的相似度對所有ROI圖片進行分類，得到若干個ROI圖片集合；對于每一ROI圖片集合，將在預設圖片集合中與該ROI圖片集合中任意一張圖片的相似度滿足預設條件的目標圖片的標簽，作為該ROI圖片集合中所有ROI圖片的標簽；對于每一待標注圖片，根據與該待標注圖片對應的ROI圖片的標簽和ROI位置信息，對該待標注圖片進行標注，生成標注后的圖片。采用本發明實施例，能夠實現圖片數據的自動標注。

技術領域

本發明涉及計算機技術領域，尤其涉及一種圖片標注方法、裝置、終端設備及存儲介質。

背景技術

在計算機視覺領域，圖片數據作為最重要的生產原料，對各種深度學習中神經網絡模型的精度起著至關重要的作用。但雜亂無章的圖片數據絕大多數情況下并不能為神經網絡直接使用，大量標注好的、精準的圖片數據才能訓練出高精度的神經網絡。

目前，訓練神經網絡所需的圖片數據基本上仍然采用的是人工標注的方式。本發明人在實施本發明的過程中發現，現有技術中存在以下技術問題：采用人工標注的方式進行圖片標注，耗時長，效率低，人工成本高，相對于深度學習模型動輒要求幾十甚至上百萬的標注數據，圖片標注有時候已經成為制約深度學習快速發展的最大的瓶頸，特別是在快消領域，客戶往往要求對特定的商品進行快速建模，如1天內建模學習超過200種品類，如果仍然使用傳統的人工標注的話基本無法實現。

發明內容

本發明實施例提供一種圖片標注方法、裝置、終端設備及存儲介質，能有效解決現有技術中因人工標注的方式而導致的圖片標注效率低、耗時長的問題。

本發明一實施例提供一種圖片標注方法，包括：

獲取所有待標注圖片；

通過預先訓練好的目標檢測模型，對每一所述待標注圖片進行目標檢測，得到與每一所述待標注圖片對應的ROI圖片和ROI位置信息；

根據每兩張所述ROI圖片之間的相似度，對所有所述ROI圖片進行分類，得到若干個ROI圖片集合；

對于每一所述ROI圖片集合，若判斷到在預設圖片集合中存在與該ROI圖片集合中任意一張圖片的相似度滿足預設條件的目標圖片，則將所述目標圖片的標簽作為該ROI圖片集合中所有ROI圖片的標簽；

對于每一所述待標注圖片，若判斷到存在與該待標注圖片對應的ROI圖片的標簽，則根據與該待標注圖片對應的ROI圖片的標簽和ROI位置信息，對該待標注圖片進行標注，生成標注后的圖片。

作為上述方案的改進，所述根據每兩張所述ROI圖片之間的相似度，對所有所述ROI圖片進行分類，得到若干個ROI圖片集合，具體包括：

獲取每一所述ROI圖片的特征向量；

根據每兩張所述ROI圖片的特征向量之間的相似度，對所有所述ROI圖片進行分類，得到若干個ROI圖片集合。

作為上述方案的改進，所述獲取每一所述ROI圖片的特征向量，具體包括：

對每一所述ROI圖片進行特征提取，得到每一所述ROI圖片的高維特征向量；

對每一所述ROI圖片的高維特征向量進行降維處理，得到每一所述ROI圖片的特征向量。

作為上述方案的改進，所述根據每兩張所述ROI圖片的特征向量之間的相似度，對所有所述ROI圖片進行分類，得到若干個ROI圖片集合，具體包括：

步驟S01：對于每一所述ROI圖片，根據該ROI圖片的特征向量建立該ROI圖片的索引；