[發明專利]一種智能圖像標注方法

在審

• 申請號: 202110283095.2
• 申請日: 2021-03-16
• 公開（公告）號: CN112906817A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 謝傳鵬;程坦;劉濤;呂劍
• 申請（專利權）人: 中科海拓（無錫）科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 安徽善安知識產權代理事務所(特殊普通合伙) 34200
• 代理人: 陳庭

本發明公開了一種智能圖像標注方法，包括以下步驟：步驟一：取得待標注的圖像文件數據庫，以及選取作為OK樣本的圖像文件；步驟二：進行判斷是否與OK樣本匹配成功；步驟三：將匹配出來的文件與OK樣本文件進行相似度的人工對比；步驟四：若閾值合適不需要調整，則繼續執行之前操作；若閾值不合適，需要進行調整之后再重復之前操作，然后根據相似度進行操作。本發明所述的一種智能圖像標注方法，適用于工業圖像數據的目標分類的特點，克服了人工標注中工業圖像數據的數據量大、標注時間長、訓練時間不足等問題，能夠更好的進行工業圖像數據的標注工作。

技術領域

本發明涉及人工智能領域，特別涉及一種智能圖像標注方法。

背景技術

圖像標注在工業視覺方面起著舉足輕重的作用。圖像標注的主要目標是為了完成任務需求的特定標簽的標注工作。這可以包括圖像分割的標注、圖像識別的標注、圖像缺陷的標注；其中圖像分割和圖像識別的標注的工作，即是使用標注軟件在圖像上進行標簽的繪制（分割一般是用邊框標注，識別一般是不規則的多邊形），有時候甚至會進行像素級標簽的標注工作。

計算機視覺一般的任務需求是以下幾種：物體檢測、線/邊緣檢測、分割、關鍵點識別、圖像分類。物體檢測一般是使用2D檢測和3D檢測這兩種。其中2D檢測用于定義對象在圖像中的位置，優點是方便，缺點也很明顯無法提供重要信息以及會包含背景元素，從而影響訓練。3D則是通過二位圖像的邊框線投影到三維意義上的長方體來實現，一般會進行系統上的區分體積和位置等特征，這種雖然會解決物體在具體方向上的問題，但還是會被背景造成一定影響。線和樣條一般是進行區域的劃分，多是用來檢測有中斷的線或是部分遮擋的物體，缺點是手工標注圖像中的線，非常耗費時間以及工人體力，并且當部分物體恰巧是對齊的，這會產生訓練時存在誤導的可能。關鍵點識別一般是用于神經網絡的關鍵點的坐標。分割顧名思義就是將圖片進行劃分切割，一般分為語義分割、實例分割、全景分割。圖像分類與目標檢測不同，目標檢測的目的在于對目標圖像的識別和定位，而圖像分類在于識別和識別特征特定的目標。在不同行業中，圖像標注起到不同的作用，零售一般是使用2D邊框來進行標注產品，然后通過計算機算法來預測成本之類的屬性；醫學一般是使用多邊形的標注，用于標記器官，將相應的數據導入深度學習的模型，以便訓練對應的缺陷和畸形；工業多采用線和樣條的標注，用于工廠圖像的檢測，這樣幫助生產自動化，減小人工成本。

隨著大數據和AI技術的發展，工業領域基于此也開始嘗試使用新技術的創新，其中，不得不提及深度學習。主要相關的就是機器視覺、缺陷檢測部分，需要對大量的工業數據進行相關缺陷的標注工作。因為工業數據的量大，有效使用工具可以大大縮短在數據標注上所花費的時間，圖像標注一般服務于AI和深度學習，其中人工起到的作用比我們想象的要多。模型需要高精度的數據，因此必須對圖像進行足夠精確的標注，這也導致了以下幾個問題：時間復雜度(手工標注大量圖像數據需要很多時間，而模型訓練需要大量數據集，也需要足夠的時間進行訓練，標注時間和訓練時間任何一個時間不充分都會導致精度下降)；計算復雜度(模型訓練需要足夠精確的數據，如果標注者在標注過程中進行錯誤標注，會可能影像訓練，而標注者的問題一般與標注時間有關)；領域知識的缺乏(比如醫學上的圖像標注，需要特定領域的相關知識才可以進行標注工作)。

為有效解決所述的問題，本發明提出一種圖像標注的方法，通過有效使用工具來大大縮短在可避免的標注數據時間上的浪費，從而大幅度提高標注效率，減少標注時間。

發明內容

本發明的主要目的在于提供一種智能圖像標注方法，可以有效解決背景技術中數據標注效率較低的問題。

為實現上述目的，本發明采取的技術方案為：

一種智能圖像標注方法，包括以下步驟：

步驟一：取得待標注的圖像文件數據庫，以及選取作為OK樣本的圖像文件；

步驟二：進行判斷是否與OK樣本匹配成功；

步驟三：將匹配出來的文件與OK樣本文件進行相似度的人工對比；