[發(fā)明專利]一種信息標(biāo)注方法、裝置、設(shè)備及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110439827.2
• 申請日: 2021-04-23
• 公開（公告）號: CN112861474B
• 公開（公告）日: 2021-07-02
• 發(fā)明（設(shè)計）人: 田上萱;蔡成飛;趙文哲;孔偉杰;王紅法;劉威
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/117
• 分類號: G06F40/117;G06K9/46;G06K9/62;G06F16/58;G06F16/532;G06F16/27
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 劉暉銘;張穎玲

1.一種信息標(biāo)注方法，其特征在于，包括：

基于圖像數(shù)據(jù)集的第i次正樣本、第i次錨樣本和第i次負樣本，訓(xùn)練第i-1次度量模型，得到第i次度量模型，其中，i為正整數(shù)；

基于所述第i次度量模型，對比所述第i次正樣本和所述第i次錨樣本；

基于對比結(jié)果，對所述第i次正樣本進行主體裁剪，獲得第i+1次正樣本，并對所述第i次錨樣本進行主體裁剪，獲得第i+1次錨樣本；

繼續(xù)基于所述第i+1次正樣本、所述第i+1次錨樣本和第i+1次負樣本訓(xùn)練所述第i次度量模型，并基于訓(xùn)練后的第i次度量模型分別對所述第i+1次正樣本和所述第i+1次錨樣本進行主體裁剪，直到滿足截止條件時，獲得第n次正樣本和第n次錨樣本，其中，n為大于i的整數(shù)；

將所述第n次正樣本和所述第n次錨樣本，確定為所述圖像數(shù)據(jù)集的主體標(biāo)注區(qū)域。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對比結(jié)果包括所述第i次正樣本的正特征響應(yīng)圖、以及所述第i次錨樣本的錨特征響應(yīng)圖；

其中，所述正特征響應(yīng)圖為所述第i次正樣本中與所述第i次錨樣本的最相似區(qū)域的相似度圖，所述錨特征響應(yīng)圖為所述第i次錨樣本中與所述第i次正樣本的最相似區(qū)域的相似度圖；

所述基于對比結(jié)果，對所述第i次正樣本進行主體裁剪，獲得第i+1次正樣本，并對所述第i次錨樣本進行主體裁剪，獲得第i+1次錨樣本，包括：

基于所述正特征響應(yīng)圖對所述第i次正樣本進行主體裁剪，獲得所述第i+1次正樣本；

基于所述錨特征響應(yīng)圖對所述第i次錨樣本進行主體裁剪，獲得所述第i+1次錨樣本。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述第i次度量模型，對比所述第i次正樣本和所述第i次錨樣本之后，所述方法還包括：

基于相似度閾值和所述正特征響應(yīng)圖，確定所述第i次正樣本中的第一相似區(qū)域，并基于所述相似度閾值和所述錨特征響應(yīng)圖，確定所述第i次錨樣本中的第二相似區(qū)域；

當(dāng)所述第一相似區(qū)域和所述第二相似區(qū)域中的至少一種的區(qū)域值小于區(qū)域閾值時，獲取所述第i次正樣本與當(dāng)前主體類別下的當(dāng)前圖像集合中的其他圖像對應(yīng)的第三相似區(qū)域，并獲取所述第i次錨樣本與所述其他圖像對應(yīng)的第四相似區(qū)域；

當(dāng)所述第三相似區(qū)域大于所述第四相似區(qū)域時，確定所述第i次錨樣本為噪音圖像，從所述當(dāng)前圖像集合中刪除所述第i次錨樣本。

4.根據(jù)權(quán)利要求1至3任一項所述的方法，其特征在于，所述基于圖像數(shù)據(jù)集的第i次正樣本、第i次錨樣本和第i次負樣本，訓(xùn)練第i-1次度量模型，得到第i次度量模型，包括：

基于所述第i-1次度量模型，獲取所述圖像數(shù)據(jù)集的所述第i次正樣本的正樣本特征、所述第i次錨樣本的錨樣本特征和所述第i次負樣本的負樣本特征；

基于所述正樣本特征和所述錨樣本特征之間的差異，以及所述錨樣本特征和所述負樣本特征之間的差異，訓(xùn)練所述第i-1次度量模型，獲得所述第i次度量模型。

5.根據(jù)權(quán)利要求1至3任一項所述的方法，其特征在于，所述基于圖像數(shù)據(jù)集的第i次正樣本、第i次錨樣本和第i次負樣本，訓(xùn)練第i-1次度量模型，得到第i次度量模型之前，所述方法還包括：

獲取所述圖像數(shù)據(jù)集對應(yīng)的第i次圖像數(shù)據(jù)集，其中，所述第i次圖像數(shù)據(jù)集是由各個主體類別下的圖像集合構(gòu)成的，且所述第i次圖像數(shù)據(jù)集是通過對所述圖像數(shù)據(jù)集進行i-1次迭代主體裁剪獲得的；

將所述第i次圖像數(shù)據(jù)集中當(dāng)前主體類別下的當(dāng)前圖像集合中的兩張圖像作為所述第i次正樣本和所述第i次錨樣本，其中，所述當(dāng)前主體類別為所述各個主體類別下的任一主體類別；

將所述第i次圖像數(shù)據(jù)集中不同于所述當(dāng)前主體類別下的其他圖像集合中的一張圖像，確定為所述第i次負樣本。