[發明專利]圖像分割標注方法、模型訓練方法、裝置及存儲介質

在審

• 申請號: 202011046531.6
• 申請日: 2020-09-29
• 公開（公告）號: CN112181270A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 鄭鋒;陳泓均;梁楓
• 申請（專利權）人: 南方科技大學
• 主分類號: G06F3/0488
• 分類號: G06F3/0488;G06F3/0484;G06T7/11
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 常柯陽

本發明公開了一種圖像分割標注方法、模型訓練方法、裝置及存儲介質，所述方法包括：獲取觸摸軌跡；根據所述觸摸軌跡，獲取觸摸點和所述觸摸點對應的觸摸次數；根據所述觸摸次數計算所述觸摸點的注意力權重；根據所述觸摸點和所述注意力權重標注所述圖像。本發明提出一種圖像分割標注方法，該方法讀取觸摸軌跡，并統計每個觸摸點的觸摸次數，通過觸摸點的觸摸次數計算觸摸點的注意力權重，在最后的圖像標注中加入標注點的注意力權重信息。通過觸摸輸入與注意力權重，提高了圖片分割標注的效率。

技術領域

本發明涉及圖像標注技術領域，尤其是涉及一種圖像分割標注方法、模型訓練方法、裝置及存儲介質。

背景技術

隨著深度學習方法的井噴式發展，越來越多的計算機視覺任務通過深度學習方法達到了極佳的效果，進而推動了人臉識別、自動駕駛、場景理解和目標檢測等應用的落地，其中圖像分割任務包含語義分割、實例分割和全景分割，這些都是計算機視覺中的基礎任務，圖像分割任務是把圖像中不同類別的物體在像素級分割開，大量高級功能都需要在底層實現圖像分割，然后再對分割結果做后續處理。目前應用于深度學習的圖像分割方法都需要經過數據采集、數據標簽標注、神經網絡使用標注數據訓練深度學習模型、應用訓練后的深度學習模型對其他圖像進行分割等幾個階段。數據標簽標注是其中最耗費財力的部分，故各大人工智能公司都推出了自己的圖像分割標注工具。不過這些標注工具的交互性不夠強，會導致增加訓練標準人員的成本。

現有的人工標注方法都使用鼠標和電腦來標注標簽，這樣的標注方法需要對標注人員進行專業培訓，且標注效率較低。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一。

為此，本發明提出一種圖像分割標注方法，提高了圖片分割標注的效率。

根據本發明的第一方面實施例的一種圖像分割標注方法，包括：

獲取觸摸軌跡；

根據所述觸摸軌跡，獲取觸摸點和所述觸摸點對應的觸摸次數；

根據所述觸摸次數計算所述觸摸點的注意力權重；

根據所述觸摸點和所述注意力權重標注所述圖像。

根據本發明實施例的一種圖像分割標注方法，至少具有如下有益效果：該方法讀取觸摸軌跡，并統計每個觸摸點的觸摸次數，通過觸摸點的觸摸次數計算觸摸點的注意力權重，在最后的圖像標注中加入標注點的注意力權重信息。通過觸摸輸入和注意力權重，提高了圖片分割標注的效率。

根據本發明的一些實施例，所述根據所述觸摸次數計算所述觸摸點的注意力權重步驟之前，還包括：

對所述觸摸軌跡進行邊緣優化。

根據本發明的一些實施例，所述觸摸軌跡包括觸摸顏色，所述觸摸顏色對應標注對象的類別。

根據本發明的一些實施例，所述圖像分割標注方法還包括：

根據所述觸摸軌跡生成掩膜；

將所述掩膜與所述圖像進行合成，生成掩膜圖像。

根據本發明的一些實施例，所述掩膜的透明度與所述注意力權重成反比。

根據本發明的一些實施例，所述根據所述觸摸次數計算所述觸摸點的注意力權重，包括：

獲取最大觸摸次數，所述最大觸摸次數為所有所述觸摸點對應的所述觸摸次數的最大值；

根據所述觸摸次數和所述最大觸摸次數計算注意力權重。

根據本發明的第二方面實施例的一種模型訓練方法，包括：

通過所述的圖像分割標注方法獲取標注圖像；